[论文解读] 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 9

一句话总结

该论文提出了一种无需超参数的、迭代的训练方法，用于全局对称梯度域机器学习力场（sGDML），通过数值预条件化克服核矩阵的二次方缩放问题，实现了对多达数百个原子的分子的精确建模。该方法无需局域化近似即可获得精确解，从而在大规模系统上实现高精度和高样本效率的纳秒级路径积分分子动力学模拟。

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.

研究动机与目标

• 为克服全局机器学习力场（MLFFs）中二次方缩放瓶颈，该瓶颈限制了其在小分子中的应用。
• 实现在数百个原子系统上对全局sGDML力场进行精确、无超参数的训练，同时保留所有原子相关性。
• 消除局域化假设，即使在从第一性原理参考数据中存在长程相互作用时，也能避免截断长程相互作用。
• 开发一种可扩展的训练框架，保持基于核函数模型的样本效率和精度，同时支持GPU加速推理。
• 通过长时间尺度的路径积分分子动力学模拟，证明该方法在大型柔性分子系统中的鲁棒性。

提出的方法

• 提出两步训练流程：首先以闭式解法求解有效自由度，然后使用预条件共轭梯度（CG）求解器迭代收敛至精确解。
• 应用数值预条件化，显著降低核矩阵的条件数，从而实现迭代求解器的快速且稳定收敛。
• 利用基于高斯过程的sGDML模型的线性和凸性，确保无需超参数调优即可收敛至精确解。
• 通过迭代求解器实现模型的实时评估，使大规模系统的训练效率可与深度神经网络相媲美。
• 采用算法微分以强制满足微分方程约束，提升数据效率和描述符学习能力。
• 引入描述符剪枝方案以压缩训练后的模型，提升大规模应用中的评估效率。

实验结果

研究问题

• RQ1 能否在不引入局域化近似的情况下，对含有数百个原子的分子实现全局机器学习力场的精确且高效训练？
• RQ2 数值预条件化如何在大规模基于核函数的MLFF训练中实现迭代求解器的稳定且快速收敛？
• RQ3 即使在从第一性原理数据中存在长程相关效应的情况下，全局sGDML模型与局域化模型相比，能多大程度上保留长程相关效应？
• RQ4 基于核函数的MLFF能否在保持其样本效率和精度的同时，实现与深度神经网络相当的可扩展性和并行性？
• RQ5 sGDML力场在大型柔性分子系统长时间尺度量子动力学模拟中的鲁棒性如何？

主要发现

• 所提出的预条件化迭代求解器实现了对多达370个原子的分子的全局sGDML力场的精确训练，显著超越了以往的限制。
• 该方法在新引入的MD22基准数据集上表现出高精度，该数据集包含42至370个原子的分子，力的平均绝对误差低于10 meV/Å。
• 使用训练后的sGDML力场进行的纳秒级路径积分分子动力学模拟表现出优异的稳定性和准确性，证实了该模型在长时间尺度量子动力学中的可靠性。
• 谱分析表明，大分子中的有效自由度呈次二次方缩放，从而支持低维表示并降低计算成本。
• 该方法在保持基于核函数模型的样本效率和预测精度的同时，实现了与GPU兼容的训练和推理，为与深度学习框架的交叉融合创造了条件。
• 该框架兼容高级技术如算法微分和描述符剪枝，进一步提升了数据效率和模型可解释性。