Gibbs free energies via isobaric-isothermal flows

要約

等圧等温 (NPT) アンサンブルからサンプリングするように訓練された正規化フローに基づく機械学習モデルを紹介します。
私たちのアプローチでは、完全に柔軟な三斜晶系シミュレーション ボックスと粒子座標の結合分布を近似して、必要な内圧を達成します。
私たちは立方晶系および六角形の氷相の単原子水でモデルをテストし、確立されたベースラインと比較してギブズ自由エネルギーおよびその他の観測値が優れた一致を示していることを発見しました。

要約(オリジナル)

We present a machine-learning model based on normalizing flows that is trained to sample from the isobaric-isothermal (NPT) ensemble. In our approach, we approximate the joint distribution of a fully-flexible triclinic simulation box and particle coordinates to achieve a desired internal pressure. We test our model on monatomic water in the cubic and hexagonal ice phases and find excellent agreement of Gibbs free energies and other observables compared with established baselines.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google