提出神經網絡構建非絕熱勢能面新方法—新聞—科學網

2020-12-01 科學網
中科院大連化物所
提出神經網絡構建非絕熱勢能面新方法

 

 

 

神經網絡構建非絕熱勢能面   課題組供圖

 

 

近日，中科院大連化學物理研究所分子反應動力學國家重點實驗室傅碧娜研究員、張東輝院士團隊在化學反應的非絕熱勢能面構建中取得新進展，提出了一種新的神經網絡方法用來構建包含錐形交叉的非絕熱勢能面。相關研究成果發表於《物理化學快報》。

 

在物理化學過程中，玻恩—奧本海默近似只有在所研究的電子態與其他電子態能量都足夠分離的情況下才有效。而當電子態出現簡併或者近簡併時，玻恩—奧本海默近似失效。非絕熱過程的動力學模擬原則上可以在絕熱表象中進行，但當體系的電子態發生簡併，例如錐形交叉時，電子態間的耦合會非常強烈，難以在絕熱表象下直接用數學函數描述。因此，在非絕熱表象下需要通過構建非絕熱勢能面來處理。此時，體系電子態間的耦合包含在非絕熱勢能面中，不需要被直接描述，且可大大簡化薛丁格方程。

 

研究人員提出了一種高效且精確的神經網絡方法，用來擬合構建具有錐形交叉的耦合勢能面。該方法從概念上簡單清晰，在數值上僅僅依賴於神經網絡函數，能被人們很直觀地實現和應用。不同於以前的擬合方法，研究人員通過擬合修正的導數耦合項，能夠精確地描述錐形交叉區域以及漸近區的導數耦合和能量，在全維全域上實現了精確的非絕熱勢能面矩陣的構建。此外，應用該方法至NH3的光解體系，計算得到的動力學結果可以很好的重現實驗結果。

 

本項課題提出神經網絡構建非絕熱勢能面的新方法，能夠拓展到更複雜、多電子態的體系中，對非絕熱動力學的發展具有重大意義。

 

相關論文信息：https://doi.org/10.1021/acs.jpclett.0c02173

 

 

 

 

版權聲明：凡本網註明「來源：中國科學報、科學網、科學新聞雜誌」的所有作品，網站轉載，請在正文上方註明來源和作者，且不得對內容作實質性改動；微信公眾號、頭條號等新媒體平臺，轉載請聯繫授權。郵箱：shouquan@stimes.cn。

相關焦點

  • 智源研究院發布認知神經基礎重大研究方向—新聞—科學網
    8月24日，北京智源人工智慧研究院（以下簡稱「智源研究院」）在清華智源中心舉行了「人工智慧的認知神經基礎」（以下簡稱「認知神經基礎」）重大研究方向發布會
  • 中國科學家提出宇宙學新模型—新聞—科學網
    中國科學家提出宇宙學新模型
  • 華東師大首次實現燃料燃燒高精度計算機模擬—新聞—科學網
    華東師範大學化學與分子工程學院朱通團隊結合人工智慧算法、量子化學理論以及分子動力學方法，實現了燃料燃燒的高精度計算機模擬，在原子尺度和亞飛秒時間解析度下獲得了甲烷燃燒的化學反應網絡
  • 從經典結構到改進方法,神經網絡語言模型綜述
    神經網絡語言模型（NNLM）克服了維數的限制，提升了傳統語言模型的性能。本文對 NNLM 進行了綜述，首先描述了經典的 NNLM 的結構，然後介紹並分析了一些主要的改進方法。研究者總結並對比了 NNLM 的一些語料庫和工具包。此外，本文還討論了 NNLM 的一些研究方向。
  • 數學家提出了使用神經網絡處理嘈雜高維數據的新方法
    來自RUDN大學和柏林自由大學的數學家們提出了一種利用人工神經網絡研究觀測數據的概率分布的新方法新方法可以更好地與所謂的異常值，即明顯偏離整體樣本的輸入數據對象。這篇文章發表在《人工智慧》雜誌上。人工神經網絡恢復觀測數據的概率分布是機器學習的重要組成部分。概率分布不僅使我們能夠預測所研究的系統的行為，而且能夠量化預測的不確定性。
  • ACL 2019 論文:谷歌提出增強神經網絡機器翻譯魯棒性的新方法
    谷歌研究院的一篇 ACL 2019 論文提出了一種方法，使用生成的對抗性樣本來提高機器翻譯模型的魯棒性，防止輸入中存在的細小擾動度對其造成影響。結果表明，該方法提高了 NMT 模型在標準基準上的性能。在本文中，作者 Yong Cheng、 Lu Jiang 和 Wolfgang Macherey 對其在 ACL 2019 上發表的《具有雙對抗性輸入的魯棒神經機器翻譯》論文進行了介紹。
  • 土壤生物體型影響群落構建—新聞—科學網
    孫波供圖       近日，中國科學院南京土壤研究所研究員孫波團隊在《自然—通訊》上發表了土壤生物體型影響群落構建的研究成果。 土壤微生物多樣性產生和維持的微生物群落構建機制是微生物生態學的基本問題。控制微生物種內遺傳多樣性的進化過程包括突變、選擇、基因流動以及遺傳漂變，與之對應，控制微生物種間多樣性的生態過程包括物種形成、選擇、擴散和生態漂變。
  • 耳蝸神經迴路超微結構獲解析—新聞—科學網
    哺乳動物的耳蝸是其感知外界聲音的關鍵器官。「這一觀察修正了教科書上對耳蝸聽神經受單一帶狀突觸支配的描述，表明毛細胞與聽神經的突觸連接（聲強的神經編碼方式）可能比我們先前認為的更為多樣和複雜。」華雲峰說。 日常生活中，人們可以通過注意力的轉移屏蔽聲音的感知，聽神經除了接受毛細胞的信號，還受中樞傳出神經的支配，來調控其活動。
  • 表徵圖數據絕不止圖神經網絡一種方法
    五、學習圖表徵下面將介紹五類圖表徵方法：核方法、卷及方法、圖神經網絡方法、圖嵌入方法，以及概率方法。「圖表徵」指的是通過神經網絡計算方法學習到特徵，每種學習到的表徵都分別對圖的拓撲信息進行編碼。5.1 核方法近期的研究進展突出了神經網絡和核方法之間的關係。例如，Cho 和 Saul 構建了模仿神經網絡的核方法，而 Marial 等人說明了卷積神經網絡和核之間的關係。這裡的核方法的特點是，引入神經學習技術將核方法用於圖數據。
  • AI重建頭頸CTA血管精準省時—新聞—科學網
    近日，記者從首都醫科大學宣武醫院獲悉，該院教授盧潔團隊在《自然—通訊》刊發的一項研究表明，利用3D卷積神經網絡設計開發一個可實現頭頸CTA
  • 7 Papers|MIT學神開源微分太極;北大等提出沒有乘法的神經網絡
    近日，北大、華為諾亞方舟實驗室等的研究者提出了一個名為 AdderNets 的網絡，用於將深度神經網絡中，特別是卷積神經網絡中的乘法，轉換為更簡單的加法運算，以便減少計算成本。在 AdderNets 中，研究者採用了 L1 正則距離，用於計算濾波器和輸入特徵之間的距離，並作為輸出的反饋。
  • 表徵圖數據,絕不止圖神經網絡一種方法
    五、學習圖表徵下面將介紹五類圖表徵方法：核方法、卷及方法、圖神經網絡方法、圖嵌入方法，以及概率方法。「圖表徵」指的是通過神經網絡計算方法學習到特徵，每種學習到的表徵都分別對圖的拓撲信息進行編碼。5.1 核方法近期的研究進展突出了神經網絡和核方法之間的關係。例如，Cho 和 Saul 構建了模仿神經網絡的核方法，而 Marial 等人說明了卷積神經網絡和核之間的關係。這裡的核方法的特點是，引入神經學習技術將核方法用於圖數據。
  • 如何使用Keras構建殘差神經網絡?
    什麼是殘差神經網絡？原則上，神經網絡的層數越多，應獲得越好的結果。一個更深層的網絡可以學到任何淺層的東西，甚至可能更多。如果對於給定的數據集，網絡無法通過添加更多的層來學習更多東西，那麼它就可以學習這些其他層的恆等映射(identity mappings)。這樣，它可以保留先前層中的信息，並且不會比較淺的層更糟糕。
  • 教AI做件簡單的事:從零開始構建首個神經網絡
    全文共2278字，預計學習時長6分鐘圖源：Google很長時間以來，我一直對構建神經網絡躍躍欲試，現在終於有機會來研究它了。我想我並沒有完全掌握神經網絡背後的數學原理，所以先教人工智慧做一些簡單的事情吧。
  • 科學家揭示DHA促進大腦神經發育和功能新機制—新聞—科學網
    神經環路的形成高度依賴於功能性突觸的形成，且該過程受細胞內外信號的協同調控。DHA是神經元質膜的重要組成部分——在大腦皮層灰質區，質膜磷脂30%—40%的脂肪酸為DHA。DHA主要以酯化方式存在於質膜磷脂，但同時也可在磷脂酶的作用下從膜上釋放下來，以游離方式或通過其衍生物參與多種信號轉導。有研究表明游離DHA是類視黃醇X受體（RXR）的體內受體，但一直缺乏功能上的關聯。
  • 科學家提出螢光探針分子結構半定量設計方法—新聞—科學網
    近日，中科院大連化學物理研究所研究員韓克利團隊與研究員樸海龍團隊合作，基於概念密度泛函理論中的局域親電性指數，提出了一種穀胱甘肽硫轉移酶（GST）檢測螢光探針的分子結構半定量設計方法。 相關論文信息：https://doi.org/ 10.34133/2020/7043124   版權聲明：凡本網註明「來源：中國科學報、科學網、科學新聞雜誌」的所有作品，網站轉載，請在正文上方註明來源和作者，且不得對內容作實質性改動；微信公眾號、頭條號等新媒體平臺，轉載請聯繫授權。郵箱：shouquan@stimes.cn。
  • 華為提出移動端部署神經網絡新方法
    深度學習模型，尤其是深度卷積神經網絡（DCNN），在多個計算機視覺應用中獲得很高的準確率。但是，在移動環境中部署時，高昂的計算成本和巨大的耗電量成為主要瓶頸。而大量使用乘法的卷積層和全連接層正是計算成本的主要貢獻者。
  • 華為提出移動端部署神經網絡新方法
    目前已有多種方法可以解決這一需求，這些方法可分為三類： 第一類方法是從頭開始構建高效模型，從而得到新型網絡架構，但要找出最適合的架構需要嘗試多個架構變體，而這需要大量訓練資源； 第二類方法是從大模型開始。
  • 谷歌大腦提出概念激活向量,助力神經網絡可解釋性研究
    選自 KDnuggets作者：Jesus Rodriguez機器之心編譯參與：李詩萌、路最近，谷歌大腦團隊發表了一篇論文，文中提出了一種叫做概念激活向量（Concept Activation vectors，CAV）的新方法，這種方法為深度學習模型的可解釋性提供了一個全新的視角。
  • 科研人員提出一種基於卷積循環神經網絡的單通道漸進語音增強方法
    儘管目前基於深度學習的單通道語音增強方法可有效抑制幹擾成分，但這些方法的網絡參數量較大且運算複雜度較高，難以應用於低功耗設備。對此，中國科學院聲學研究所噪聲與振動重點實驗室研究生李安冬、研究員鄭成詩等，提出一種基於卷積循環的單通道漸進語音增強方法，在保持增強性能不變的前提下，減小了參數量並降低了運算複雜度。