基于PyTorch的晶體結(jié)構(gòu)勢預(yù)測

摘要：近年來,材料數(shù)據(jù)進(jìn)入了爆發(fā)式增長階段,而實(shí)驗(yàn)和模擬方法來處理和分析材料數(shù)據(jù)工程量巨大并且十分耗時,如何用新方法從大量的數(shù)據(jù)中發(fā)現(xiàn)知識是未來材料研發(fā)的主要探索方向。新世紀(jì)以來,出現(xiàn)了將機(jī)器學(xué)習(xí)方法應(yīng)用于材料科學(xué)領(lǐng)域研究的新課題。高效準(zhǔn)確地得到結(jié)構(gòu)能量是許多材料研究工作的基礎(chǔ),我們主要關(guān)注將機(jī)器學(xué)習(xí)方法與結(jié)構(gòu)能量計(jì)算相結(jié)合這一方向。本文調(diào)研了目前已有的基于機(jī)器學(xué)習(xí)的結(jié)構(gòu)勢能擬合開源軟件,分析它們的特點(diǎn)與優(yōu)劣,并針對實(shí)際需求通過深度學(xué)習(xí)框架PyTorch對軟件進(jìn)行優(yōu)化,增強(qiáng)機(jī)器學(xué)習(xí)模型的擬合能力。PyTorch可以利用GPU資源對數(shù)據(jù)進(jìn)行快速學(xué)習(xí),靈活地利用多種優(yōu)化算法對不同體系的結(jié)構(gòu)搭建合適的模型,并將模型保存以供后續(xù)研究。我們在人工智能計(jì)算及數(shù)據(jù)應(yīng)用服務(wù)平臺上對軟件進(jìn)行測試與優(yōu)化,解決了一些在測試中發(fā)現(xiàn)的問題,對不同的體系結(jié)構(gòu)的結(jié)構(gòu)勢能擬合效果進(jìn)行了分析,提升軟件對不同體系的結(jié)構(gòu)勢能擬合能力。