文件名称：神经网络势：分子动态构型描述符
文件大小：81KB
文件格式：ZIP
更新时间：2024-03-08 18:49:34
Python
该存储库是一个正在进行的项目，在这里我将定期对其进行编辑。 我的目的是以这种方式收集文章，并复制它们解决该问题的方式。 保持警惕！ 神经网络的潜力 当我们想利用神经网络构造势能表面（原子如何看待它们的邻居！并与之相互作用）时，我们应该考虑物理系统的对称性。 我们已经知道，对于诸如势能之类的问题，我们应该考虑平移，旋转，置换和反射对称性。 人们已经为解决这些对称问题做了不同的工作。 尽管如此，问题仍然存在（这就是为什么我们每天看到许多创造性的方法来表示机器学习的分子构型的原因）。 影像法 我们将从Ryczko等人的文章实现的原子环境的图像表示开始。 为了将原子系统转换为图像，可以使用以下代码： #converting atomistic systems to images, here we just created on point (with positions x and y) imp
【文件预览】：
Neural-Network-Potentials-main
----images()
--------graphene_image.png(107KB)
----README.md(4KB)
----.gitignore(2KB)
----codes()
--------convert atoms to images.py(381B)
--------image_keras_model_for_image_descriptor(2KB)