Entrar
insight - Molekulare Simulationen
Ensemble-Lernverfahren für maschinelle Lernkraftfelder zur präzisen Vorhersage atomarer Kräfte
Durch die Kombination verschiedener maschineller Lernkraftfelder mittels eines Ensemble-Lernverfahrens lässt sich die Genauigkeit der Vorhersage atomarer Kräfte deutlich verbessern.
Genauigkeit von ML-Wechselwirkungspotentialen bei der Berechnung von Freienergien
Die Genauigkeit von Maschine-Lernens-Potentialen (MLPs) bei der Vorhersage der freien Energie von Molekülen hängt stark von der Verteilung der Kollektivvariablen in den Trainingsdaten ab. Während MLPs die Potenzialenergie und Kräfte gut vorhersagen können, zeigen sich bei der Berechnung der freien Energie teilweise erhebliche Ungenauigkeiten, insbesondere wenn nicht alle charakteristischen Regionen der freien Energiefläche im Trainingsdatensatz enthalten sind.
Produtos | Recursos
© 2024 by Linnk AI