Estimating Gibbs free energies via isobaric-isothermal flows

要約

等圧-等温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いた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。
流れベースのサンプリングを等圧-等温アンサンブルに拡張したこの新しい拡張により、ギブズ自由エネルギーの直接推定値が得られます。
私たちは、立方晶系および六角形の氷相における単原子水での NPT 流をテストし、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の優れた一致を発見しました。

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 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. This novel extension of flow-based sampling to the isobaric-isothermal ensemble yields direct estimates of Gibbs free energies. We test our NPT-flow 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