
Durch die Kombination verschiedener maschineller Lernkraftfelder mittels eines Ensemble-Lernverfahrens lässt sich die Genauigkeit der Vorhersage atomarer Kräfte deutlich verbessern.


coremsg

ensemble-lernverfahren-für-maschinelle-lernkraftfelder-zur-präzisen-vorhersage-atomarer-kräfte


Ensemble-Lernverfahren für maschinelle Lernkraftfelder zur präzisen Vorhersage atomarer Kräfte


title_rewrite


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.


genauigkeit-von-ml-wechselwirkungspotentialen-bei-der-berechnung-von-freienergien


Genauigkeit von ML-Wechselwirkungspotentialen bei der Berechnung von Freienergien
