Il gruppo di ricerca del Prof. Jiang Bin presso l'Università della Scienza e della Tecnologia della Cina (USTC) ha sviluppato un modello FIREANN (rete neurale atomica ricorsivamente incorporata indotta dal campo) universale, in grado di simulare accuratamente le interazioni sistema-campo con alta efficienza. La loro ricerca è stata pubblicata su Nature Communications il 12 ottobre.
La simulazione atomica svolge un ruolo cruciale nella comprensione degli spettri e della dinamica di complessi sistemi chimici, biologici e materiali a livello microscopico. La chiave per le simulazioni atomiche è trovare la rappresentazione accurata delle superfici di energia potenziale (PES) ad alta dimensionalità.
Negli ultimi anni, l’utilizzo di modelli atomistici di machine learning (ML) per rappresentare accuratamente i PES è diventata una pratica comune. Tuttavia, la maggior parte dei modelli ML descrivono solo sistemi isolati e non sono in grado di catturare le interazioni tra i campi esterni e i sistemi, che possono modificare la struttura chimica e controllare la transizione di fase tramite polarizzazione elettronica o di spin indotta dal campo. È urgentemente necessario un nuovo modello di machine learning che tenga conto dei campi esterni.
Per affrontare questo problema, il gruppo di ricerca del Prof. Jiang ha proposto un approccio “tutto in uno”. Il team ha innanzitutto trattato il campo esterno come atomi virtuali e ha utilizzato le densità atomiche incorporate (EAD) come descrittori dell'ambiente atomico. L'EAD indotto dal campo (FI-EAD) è stato derivato dalla combinazione lineare degli orbitali degli atomi dipendenti dal campo e basati sulle coordinate, che cattura la natura dell'interazione tra il campo esterno e il sistema, portando allo sviluppo di Modello FIRENN.
Questo modello correla accuratamente varie proprietà di risposta del sistema, come il momento di dipolo e la polarizzabilità, con i potenziali cambiamenti di energia che dipendono dai campi esterni, fornendo uno strumento accurato ed efficiente per la spettroscopia e le simulazioni dinamiche di sistemi complessi sottoposti a campi esterni.
Il team ha verificato la capacità del modello FIREANN conducendo simulazioni dinamiche di N-metilacetammide e acqua liquida sotto un forte campo elettrico esterno, dimostrando entrambe un'elevata precisione ed efficienza. Vale la pena ricordare che per i sistemi periodici, il modello FIREANN può superare il problema intrinseco dei valori multipli della polarizzazione allenandosi solo con i dati delle forze atomiche.
Questa ricerca ha colmato la lacuna dovuta alla mancanza di un'accurata rappresentazione del campo esterno in un modello ML, che contribuirà al progresso delle simulazioni molecolari in chimica, biologia e scienza dei materiali.
Ulteriori informazioni: Yaolong Zhang et al, Apprendimento automatico universale per la risposta dei sistemi atomistici ai campi esterni, Comunicazioni naturali (2023). DOI:10.1038/s41467-023-42148-y
Informazioni sul giornale: Comunicazioni sulla natura
Fornito dall'Accademia cinese delle scienze
