[論文レビュー] Accurate global machine learning force fields for molecules with hundreds of atoms

Stefan Chmiela, Valentín Vassilev-Galindo+5 more|arXiv (Cornell University)|Sep 29, 2022

Machine Learning in Materials Science被引用数 9

ひとこと要約

本稿では、数値的前処理を用いてカーネル行列の2次スケーリングを克服することで、数100原子までの分子を高精度にモデル化できる、パラメータフリーで反復的なトレーニング手法を提示する。このアプローチは局所化近似を用いず、正確な解を得られ、大規模系においても高い精度とサンプル効率を維持したナノ秒スケールの経路積分分子動力学シミュレーションを可能にする。

ABSTRACT

Global machine learning force fields (MLFFs), that have the capacity to capture collective many-atom interactions in molecular systems, currently only scale up to a few dozen atoms due a considerable growth of the model complexity with system size. For larger molecules, locality assumptions are typically introduced, with the consequence that non-local interactions are poorly or not at all described, even if those interactions are contained within the reference ab initio data. Here, we approach this challenge and develop an exact iterative parameter-free approach to train global symmetric gradient domain machine learning (sGDML) force fields for systems with up to several hundred atoms, without resorting to any localization of atomic interactions or other potentially uncontrolled approximations. This means that all atomic degrees of freedom remain fully correlated in the global sGDML FF, allowing the accurate description of complex molecules and materials that present phenomena with far-reaching characteristic correlation lengths. We assess the accuracy and efficiency of our MLFFs on a newly developed MD22 benchmark dataset containing molecules from 42 to 370 atoms. The robustness of our approach is demonstrated in nanosecond long path-integral molecular dynamics simulations for the supramolecular complexes in the MD22 dataset.

研究の動機と目的

• グローバルな機械学習力場（MLFF）における2次スケーリングのボトルネックを克服し、小分子に限られる応用を拡大すること。
• 数100原子の系に対して、局所化近似を一切用いずに正確かつパラメータフリーなグローバルsGDML力場のトレーニングを可能にすること。
• ab initioの基準データに存在する長距離相互作用でさえも、局所化仮定によって切断されることを回避すること。
• GPUアクセラレーションを可能にしながらも、カーネルベースのモデルのサンプル効率と精度を維持するスケーラブルなトレーニングフレームワークを開発すること。
• 長時間スケールの経路積分分子動力学シミュレーションを通じて、大規模で柔軟な分子系における手法の頑健性を実証すること。

提案手法

• 2段階のトレーニング手順を提案：まず閉形式で有効自由度を解き、次に前処理を施した共役勾配（CG）ソルバーを用いて反復的に正確な解に収束させる。
• カーネル行列の条件数を著しく低減するための数値的前処理を適用し、反復的ソルバーの高速かつ安定な収束を可能にする。
• ガウス過程に基づくsGDMLモデルの線形性および凸性を活用し、ハイパーパramータチューニングなしに正確な解への収束を保証する。
• 反復的ソルバーによるオンザフライのモデル評価を活用し、深層ニューラルネットワークと同等の規模の大規模系でも効率的なトレーニングを実現する。
• アルゴリズム的微分を用いて微分方程式の制約を強制し、データ効率と記述子学習の質を向上させる。
• 訓練済みモデルの縮小を促進する記述子のプルーニングスキームを導入し、大規模応用における評価効率を向上させる。

実験結果

リサーチクエスチョン

• RQ1 数100原子の分子に対して、局所化近似を導入せずに正確かつ効率的にグローバルな機械学習力場をトレーニングできるか？
• RQ2 数値的前処理は、大規模なカーネルベースのMLFFトレーニングにおける反復的ソルバーの安定的かつ高速な収束をどのように実現するか？
• RQ3 ab initioデータに長距離相関効果が存在する場合でも、グローバルsGDMLモデルは局所化モデルと比較してそれらをどの程度正確に保持できるか？
• RQ4 カーネルベースのMLFFは、深層ニューラルネットワークと同等のスケーラビリティと並列性を達成しながら、そのサンプル効率と精度を維持できるか？
• RQ5 sGDML力場は、大規模で柔軟な分子系の長時間スケール量子ダイナミクスシミュレーションにおいて、どの程度の頑健性を示すか？

主な発見

• 提案された前処理を施した反復的ソルバーにより、最大370原子の分子に対してグローバルsGDML力場の正確なトレーニングが可能となり、従来の限界を著しく超えた。
• 新規に導入されたMD22ベンチマークデータセットにおいて、力の平均絶対誤差が10 meV/Å未満という高い精度を達成した。
• 訓練済みsGDML力場を用いたナノ秒スケールの経路積分分子動力学シミュレーションは、長時間スケールの量子ダイナミクスにおけるモデルの信頼性を裏付ける、優れた安定性と正確性を示した。
• スペクトル解析から、大規模分子における有効自由度のスケーリングは2次未満であることが判明し、低次元表現と計算コストの低減が可能であることが示された。
• 本アプローチは、カーネルベースのモデルのサンプル効率と予測精度を維持しながら、GPU対応のトレーニングとインファレンスを実現し、深層学習フレームワークとのクロスフィデリゼーションを可能にした。
• 本フレームワークは、アルゴリズム的微分や記述子プルーニングといった高度な技術と互換性があり、データ効率とモデルの解釈可能性を向上させた。