[发明专利]MD模拟中预测原子力和能量的图形变换器神经网络力场

说明书

MD模拟中预测原子力和能量的图形变换器神经网络力场。模拟包括将多元素系统内元素的分子动力学快照转换成以原子作为图形节点的图形；定义矩阵，使得矩阵的每一列表示图形中的节点；根据每个原子的相对位置集合定义距离矩阵；使用注意力机制迭代通过GTFF，对矩阵进行操作，并且通过合并距离矩阵进行扩充，以将隐藏状态从GTFF的当前层传递到GTFF的下一层；在矩阵的列之上执行组合以产生标量分子能量；做出通过GTFF的向后传递，迭代地计算GTFF各层中每一层处的导数，以计算作用在每个原子上的力的预测；以及返回作用在每个原子上的力的预测。

技术领域

本发明一般涉及用于在诸如电化学和水过滤设备之类的材料系统中的分子动力学计算机模拟中直接预测原子力的图形变换器神经网络力场（GTFF）计算算法。

背景技术

分子动力学是一种计算材料科学方法，其用于模拟在真实操作压力和温度条件下材料系统中的原子运动。存在用于计算在模拟原子运动中使用的基本原子力的方法。一个方法是从头算量子力学方法（ab-initio quantum mechanics approach）。该方法非常准确，但也非常昂贵，因为应用该方法必需巨大量的计算资源。虽然存在消耗较少计算资源的其他方法，但是这些其他方法不提供同样高的准确性。

发明内容

根据一个或多个说明性示例，使用图形变换器神经网络（GTFF）来模拟多元素系统内元素运动的计算方法包括将多元素系统内元素的分子动力学快照转换成以原子作为图形节点的图形；定义矩阵，使得矩阵的每一列表示图形中的节点；根据每个原子的相对位置集合定义距离矩阵；使用注意力机制迭代通过GTFF，对矩阵进行操作，并且通过合并距离矩阵进行扩充，以将隐藏状态从GTFF的当前层传递到GTFF的下一层；在矩阵的列之上执行组合以产生标量分子能量；做出通过GTFF的向后传递，迭代地计算GTFF各层中每一层处的导数，以计算作用在每个原子上的力的预测；以及返回作用在每个原子上的力的预测。

根据一个或多个说明性示例，一种用于使用图形变换器神经网络（GTFF）来模拟多元素系统内的元素运动的计算系统，包括存储器，其存储分子动力学（MD）软件的GTFF算法的指令；以及处理器，其被编程为执行指令以执行操作，所述操作包括将多元素系统内的元素的分子动力学快照转换成以原子作为图形节点的图形；定义矩阵，使得矩阵的每一列表示图形中的节点；根据每个原子的相对位置集合定义距离矩阵；使用注意力机制迭代通过GTFF，对矩阵进行操作，并且通过合并距离矩阵进行扩充，以将隐藏状态从GTFF的当前层传递到GTFF的下一层；在矩阵的列之上执行组合以产生标量分子能量；做出通过GTFF的向后传递，迭代地计算GTFF各层中每一层处的导数，以计算作用在每个原子上的力的预测；以及返回作用在每个原子上的力的预测。

根据一个或多个说明性示例，非暂时性计算机可读介质包括用于使用图形变换器神经网络（GTFF）来模拟多元素系统内的元素运动的指令，所述指令当由处理器执行时，使得处理器用于：将多元素系统内的元素的分子动力学快照转换成以原子作为图形节点的图形；定义矩阵，使得矩阵的每一列表示图形中的节点；根据每个原子的相对位置集合定义距离矩阵；使用注意力机制迭代通过GTFF，对矩阵进行操作，并且通过合并距离矩阵进行扩充，以将隐藏状态从GTFF的当前层传递到GTFF的下一层；在矩阵的列之上执行组合以产生标量分子能量；做出通过GTFF的向后传递，迭代地计算GTFF各层中每一层处的导数，以计算作用在每个原子上的力的预测；以及返回作用在每个原子上的力的预测。

附图说明

图1是使用神经网络执行分子动力学模拟的示例图解；

图2是用于MD模拟的图形变换器神经网络力场（GTFF）方法的示例图解；和

图3是可以用于实现一个或多个实施例中的GTFF算法、例如图2的GTFF算法的计算平台的示意图解。

具体实施方式