一项突破性的机器学习发展已经彻底改变了化学和材料科学领域。洛斯阿拉莫斯国家实验室成功地创建了一种机器学习亚原子势能，能够预测分子能量和作用于原子的力量。这种创新技术可以进行高效的模拟，与传统计算方法相比节省时间和费用。
化学中分子动力学模拟的传统方法依赖于物理基础的计算模型，如经典力场或量子力学。量子力学模型精确但计算成本高，而经典力场计算效率高但缺乏准确性，并且仅适用于特定系统。新开发的机器学习模型ANI-1xnr结合了速度、准确性和普适性，弥合了这两种方法之间的差距。
ANI-1xnr是第一个能与基于物理的计算模型竞争进行大规模反应性原子模拟的反应性机器学习亚原子势能。它有一个独特的优势，即适用于各种化学体系，无需不断地重新拟合。工作流自动化结合了反应性分子动力学模拟，使得可以对包含碳、氢、氮和氧的各种化学系统进行全面研究。
ANI-1xnr通过成功研究碳相转变、燃烧和前生化学等系统展示了其多功能性。与实验结果和常规计算技术进行比较证实了模拟结果的有效性。
工作流程中一个重要部分是使用纳米反应器模拟，这些模拟会自主地探索反应性化学空间。这种创新方法通过高速分子碰撞诱导化学反应，消除了需要人类直觉的需求。另一个关键组成部分是主动学习，利用ANI-1xnr的机器学习潜力来驱动纳米反应器动态，并选择具有高不确定性水平的结构。这一方法确保了模拟的准确性和可靠性。
ANI-1xnr的开发标志着反应性化学领域的重要里程碑。与以前的建模技术不同，ANI-1xnr无需领域专业知识或为每种新用例不断重新拟合。这一突破使来自不同领域的科学家能够研究未知化学，并为研究和合作开辟了新的途径。
为了促进进一步的研究和合作，研究团队已将使用的数据集和ANI-1xnr代码公开提供给研究界。
常见问题解答
机器学习亚原子势能是什么？
机器学习亚原子势能是利用人工智能技术预测分子能量和作用于原子的力量的计算模型。它们使得模拟可以节省时间和费用，相比传统计算方法而言，在各种科学领域中是一种有价值的工具。
机器学习亚原子势能与其他计算模型有何不同？
机器学习亚原子势能与其他计算模型，如经典力场或量子力学，在效率、准确性和普适性方面存在不同。虽然量子力学模型提供准确性，但计算成本高。另一方面，经典力场提供计算效率，但缺乏准确性，且仅限于特定系统。像ANI-1xnr这样的机器学习亚原子势能弥合了这种差距，提供了速度、准确性和适用于广泛化学系统的平衡。
ANI-1xnr的重要性是什么？
ANI-1xnr是第一个具有竞争力进行大规模反应性原子模拟的反应性机器学习亚原子势能。它消除了不断重新拟合和领域专业知识的需求，使其可供来自各个领域的科学家使用。ANI-1xnr代表了反应性化学规模研究的转变性发展。
The source of the article is from the blog girabetim.com.br