[论文解读] Big Data meets Quantum Chemistry Approximations: The $\Delta$-Machine Learning Approach

Raghunathan Ramakrishnan, Pavlo O. Dral+2 more|arXiv (Cornell University)|Mar 17, 2015

Machine Learning in Materials Science参考文献 35被引用 6

一句话总结

本文提出Δ-机器学习方法，通过应用机器学习校正来改进低成本量子化学方法，实现热化学和电子相关能的化学精度预测。该方法在哈特ree-福克计算成本下，实现了对大分子空间（包括多达16,000种C₇H₁₀O₂的构造异构体）的精确建模，且在仅使用1%训练数据的情况下，展示了在不同数据集间的可迁移性。

ABSTRACT

Chemically accurate and comprehensive studies of the virtual space of all possible molecules are severely limited by the computational cost of quantum chemistry. We introduce a composite strategy that adds machine learning corrections to computationally inexpensive approximate legacy quantum methods. After training, highly accurate predictions of enthalpies, free energies, entropies, and electron correlation energies are possible, for significantly larger molecular sets than used for training. For thermochemical properties of up to 16k constitutional isomers of C$_7$H$_{10}$O$_2$ we present numerical evidence that chemical accuracy can be reached. We also predict electron correlation energy in post Hartree-Fock methods, at the computational cost of Hartree-Fock, and we establish a qualitative relationship between molecular entropy and electron correlation. The transferability of our approach is demonstrated, using semi-empirical quantum chemistry and machine learning models trained on 1 and 10\% of 134k organic molecules, to reproduce enthalpies of all remaining molecules at density functional theory level of accuracy.

研究动机与目标

• 克服高精度量子化学在探索巨大分子空间时的计算瓶颈。
• 利用低成本量子方法，实现对大组分子（包括构造异构体）的化学精度预测。
• 开发一种可迁移的机器学习框架，仅需极少训练数据即可在分子数据集间泛化。
• 以哈特ree-福克级计算成本预测电子相关能，建立分子熵与电子相关之间的联系。

提出的方法

• Δ-机器学习方法对近似量子化学方法（如半经验方法或哈特ree-福克方法）施加学习到的校正，以提高精度。
• 在134,000种有机分子的子集上进行训练，模型可实现密度泛函理论（DFT）精度的热化学性质预测。
• 该方法利用机器学习校正传统量子方法中的误差，尤其针对生成热、吉布斯自由能、熵和电子相关能。
• 该框架具有可迁移性：在1%或10%数据上训练的模型，可对剩余90%或99%的分子重现DFT级精度。
• 该方法利用化学精度预测了多达16,000种C₇H₁₀O₂构造异构体的性质。
• 通过模型预测，建立了分子熵与电子相关之间的定性关系。

实验结果

研究问题

• RQ1 机器学习校正能否在低计算成本下实现对大分子集合的热化学性质的化学精度预测？
• RQ2 在分子数据集的小部分上训练的Δ-ML模型，能在多大程度上泛化到数据集的其余部分？
• RQ3 能否通过机器学习校正，以哈特ree-福克级计算成本预测电子相关能？
• RQ4 分子熵与电子相关之间是否存在可被模型捕捉的有意义关系？
• RQ5 Δ-ML方法在如C₇H₁₀O₂的构造异构体等大规模多样化分子空间上的表现如何？

主要发现

• Δ-ML方法在预测多达16,000种C₇H₁₀O₂构造异构体的生成热、吉布斯自由能和熵方面达到化学精度。
• 电子相关能以哈特ree-福克级计算成本进行预测，展现出显著的效率提升。
• 仅在134,000种有机分子中1%的数据上训练的模型，即可对剩余99%的数据集重现DFT级精度。
• 该方法表现出强大的可迁移性，在不同分子结构和性质上均保持高精度。
• 通过模型预测，识别并定量支持了分子熵与电子相关之间的定性关系。
• 该框架实现了以往高精度量子方法难以处理的大规模分子空间的全面虚拟筛选。