Permutationally invariant polynomial representation of polarizability tensor surfaces for linear regression analysis
Permutationally invariant polynomial representation of polarizability tensor surfaces for linear regression analysis
复制标题
用于线性回归分析的极化张量表面的置换不变多项式表示
DOI：
10.1002/jcc.26952
复制
发表时间：
2022
影响因子：
3
通讯作者：
Kaledin, Alexey L.
中科院分区：
文献类型：
--
作者：
Omodemi, Oluwaseun;Kaledin, Martina;Kaledin, Alexey L.
描述了分子偶极极化率张量曲面（PTS）的笛卡尔表示的线性参数化函数形式。PTS的建议表达式是最近报道的原始Applequist模型的幂级数模型的线性化，其通过构造在参数空间中是非线性的。这种新方法具有（i）最小二乘拟合问题的独特解决方案;（ii）与势能和偶极矩表面相比，所得线性回归过程的计算复杂性较低;以及（iii）与非线性PTS模型相比，具有竞争力的准确性。CH 4PTS的计算，极化率拟合到9000个训练设定点，能量高达14，000 cm− 1，显示出使用约1600个参数获得的线性PTS模型的令人印象深刻的准确度：在1000个配置的测试集上，非线性与线性模型的RMSE分别为约1%和0.3%。
A linearly parameterized functional form for a Cartesian representation of molecular dipole polarizability tensor surfaces (PTS) is described. The proposed expression for the PTS is a linearization of the recently reported power series ansatz of the original Applequist model, which by construction is non‐linear in parameter space. This new approach possesses (i) a unique solution to the least‐squares fitting problem; (ii) a low level of the computational complexity of the resulting linear regression procedure, comparable to those of the potential energy and dipole moment surfaces; and (iii) a competitive level of accuracy compared to the non‐linear PTS model. Calculations of CH4PTS, with polarizabilities fitted to 9000 training set points with the energies up to 14,000 cm−1show an impressive level of accuracy of the linear PTS model obtained with ~1600 parameters: ~1% versus 0.3% RMSE for the non‐linear vs. linear model on a test set of 1000 configurations.
登录
查看更多内容
核偶极子响应的分子动力学方法
DOI：
--
发表时间：
2020
期刊：
影响因子：
--
作者：
K. Hagino;and G.F. Bertsch;Y. Nambu;瀬戸 治;A. Obertelli and H. Sahawa;Masaaki Kimura
通讯作者：
Masaaki Kimura
影响因子：
4.4
作者：
Avila, G
通讯作者：
Avila, G
使用驱动分子动力学方法进行简正模态分析。
影响因子：
4.4
作者：
Martina Kaledin;Alex Brown;A. Kaledin;J. Bowman
通讯作者：
J. Bowman
基于 CCSD(T) 的四体水势。
DOI：
10.1021/acs.jpclett.1c03152
发表时间：
2021
期刊：
The journal of physical chemistry letters
影响因子：
--
作者：
Apurba Nandi;Chen Qu;P. Houston;R. Conte;Qi Yu;J. Bowman
通讯作者：
J. Bowman
QM7b 和 AlphaML 展示数据库中的量子机械静态偶极子极化率
影响因子：
9.8
作者：
Yang Yang;K. Lao;D. Wilkins;Andrea Grisafi;M. Ceriotti;R. DiStasio
通讯作者：
R. DiStasio