用于建模外部力量行为的新机器学习技术

一个研究小组初期，由Artemoganov领导的Skoltech和Dukhov研究所自动化研究所使用了一种机器学习技术，用于在各种压力和温度下模拟铀和铝阶段中铀和铝的行为。

这种化学系统的模拟能够在进行实验之前预测它们在各种条件下的性质，从而使进一步的研究只针对被认为最有希望的材料。欧洲杯足球竞彩研究结果发表在《科学报告》杂志上。

计算机化学

在过去的100年里，科学的迅速发展导致欧洲杯线上买球了惊人数量的无机和有机化合物、化学反应、蛋白质和脂质结构的发现。然而，有了这些新的结构和分子，需要大量的时间来研究它们的组成、物理和生化特性，以及测试它们在不同条件下的行为模型以及它们与其他各种化合物可能的相互作用。目前，利用计算机建模可以加速这类研究。

目前主导的建模技术是指力场方法。它使用了一组描述给定生物化学系统的参数。这些包括键长和角度，以及指控等。然而，该技术不能在分子中准确地再现普通的机械力。准确的量子力学计算被认为是耗时的。此外，它们只允许预测最多几百个原子的样品的行为。

化学家对用于分子建模的机器学习方法非常感兴趣。它们使能通过量子机械计算获得的比较小的数据集接受培训的模型。然后，这种模型能够更换量子机械计算，因为它们的计算能力较少的准确性和需要约1,000倍。

模拟原子间交互的机器学习工具所取得的进展

研究人员使用机器学习来模拟晶体和液态铝、铀原子之间的相互作用。铝被认为是一种研究得很透彻的金属，其化学和物理性质为科学家所知。相比之下，选择铀是因为其化学和物理性质的公布数据相互矛盾，研究人员试图更准确地定义这些数据。

本文介绍了这种材料特性的深度研究，作为铝的声子密度，熵和铝的熔化温度。

晶体中的晶体力的大小可用于预测相同元素的原子在不同温度下的行为和不同相位．同理，你可以利用液体特性的数据来找出原子在晶体中的行为。这意味着，通过进一步了解铀的晶体结构，我们最终可以重建这种金属的整个相图。相图是表明元素性质随压力和温度变化的图表。它们用于确定给定元素的适用性限制。

Ivan Kruglov，麻省理工学院计算材料设计实验室欧洲杯足球竞彩

研究人员比较了实验结果，以确保计算机模拟所产生的数据有效。该团队采用的方法与早期的实验一致。与基于机器学习的方法获得的信息与利用力场的建模技术相比，错误率较低。

在本研究中，作者在使用机器学习的原子系统建模的速度和准确性方面对2016年的结果进行了改进。

俄罗斯科学基金会支持本文欧洲杯线上买球报告的研究。