機(jī)器學(xué)習(xí)算法有助于更有效地找到最小的能量路徑和鞍點(diǎn)

阿爾托大學(xué)的博士生Olli-Pekka Koistinen開發(fā)了基于高斯過程回歸的機(jī)器學(xué)習(xí)算法，以增強(qiáng)對(duì)最小能量路徑和鞍點(diǎn)的搜索，并測(cè)試了該算法的工作效率。

在理論化學(xué)中，找到最小的能量路徑和鞍點(diǎn)是消耗最多時(shí)間和計(jì)算資源的問題之一。計(jì)算的瓶頸是對(duì)每個(gè)原子構(gòu)型的能量和力的準(zhǔn)確評(píng)估，這通常需要在構(gòu)型空間中的數(shù)百個(gè)點(diǎn)處執(zhí)行。

利用機(jī)器學(xué)習(xí)的算法可以將觀察點(diǎn)的數(shù)量和昂貴的能源評(píng)估減少到傳統(tǒng)方法所需的一小部分，從而加快了計(jì)算速度。

最小能量路徑位于描述特定系統(tǒng)(例如分子)的能量的勢(shì)能表面上，該能量取決于特定參數(shù)。通常，這些參數(shù)顯示原子的位置。能量表面的局部最小值對(duì)應(yīng)于系統(tǒng)的穩(wěn)定狀態(tài)。最小的能量路徑將這些點(diǎn)聯(lián)系起來，并描述了可能的反應(yīng)機(jī)理。

``作為一名定向者，我將這張能量表面視為一張地圖。穩(wěn)定的原子構(gòu)型在圖上顯示為凹陷，最小能量路徑是兩個(gè)凹陷之間的路徑。一路保持盡可能低的水平。路徑的最高點(diǎn)是在一個(gè)鞍點(diǎn)，您可以從一個(gè)洼地變成另一個(gè)洼地并保持盡可能低的高度，” Koistinen解釋說。

傳統(tǒng)上，研究人員使用迭代方法搜索最小的能量路徑和鞍點(diǎn)，這些方法在能量表面上以很小的步長(zhǎng)進(jìn)行。借助機(jī)器學(xué)習(xí)和統(tǒng)計(jì)模型，可以利用先前的觀察來對(duì)能量表面進(jìn)行建模，并且可以顯著減少迭代次數(shù)來達(dá)到目標(biāo)??。

因此，機(jī)器學(xué)習(xí)提供了一種更有效，更輕便的方法，因此也提供了一種更便宜，更生態(tài)的選擇。它也可以為研究傳統(tǒng)方法無法解決的問題提供新的可能性。Koistinen說：“這是研究主題的另一個(gè)例子，其中機(jī)器學(xué)習(xí)方法可能會(huì)有所幫助。”

Olli-Pekka Koistinen，碩士 (Tech。)將于1月9日星期四中午12點(diǎn)在阿爾托大學(xué)科學(xué)學(xué)院，本科中心，E演講廳(Y124)為他的論文辯護(hù)。 論文的名稱是“使用高斯過程回歸找到鞍點(diǎn)和最小能量路徑的算法。”