A4 Artikkeli konferenssijulkaisussa
Orientation Adaptive Minimal Learning Machine for Directions of Atomic Forces (2021)


Pihlajamäki, A., Linja, J., Hämäläinen, J., Nieminen, P., Malola, S., Kärkkäinen, T., & Häkkinen, H. (2021). Orientation Adaptive Minimal Learning Machine for Directions of Atomic Forces. In ESANN 2021 : Proceedings of the 29th European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning Online event (Bruges, Belgium), October 06 - 08 (pp. 529-534). ESANN. https://doi.org/10.14428/esann/2021.es2021-34


JYU-tekijät tai -toimittajat


Julkaisun tiedot

Julkaisun kaikki tekijät tai toimittajat: Pihlajamäki, Antti; Linja, Joakim; Hämäläinen, Joonas; Nieminen, Paavo; Malola, Sami; Kärkkäinen, Tommi; Häkkinen, Hannu

Emojulkaisu: ESANN 2021 : Proceedings of the 29th European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning Online event (Bruges, Belgium), October 06 - 08

Konferenssi:

  • European symposium on artificial neural networks, computational intelligence and machine learning

Konferenssin paikka ja aika: Bruges, Belgium (Online event), 6.-8.10.2021

eISBN: 978-2-87587-082-7

Julkaisuvuosi: 2021

Artikkelin sivunumerot: 529-534

Kustantaja: ESANN

Julkaisumaa: Belgia

Julkaisun kieli: englanti

DOI: https://doi.org/10.14428/esann/2021.es2021-34

Pysyvä verkko-osoite: https://www.esann.org/sites/default/files/proceedings/2021/ES2021-34.pdf

Julkaisun avoin saatavuus: Avoimesti saatavilla

Julkaisukanavan avoin saatavuus: Kokonaan avoin julkaisukanava

Julkaisu on rinnakkaistallennettu (JYX): https://jyx.jyu.fi/handle/123456789/78423


Tiivistelmä

Machine learning (ML) force fields are one of the most common applications of ML in nanoscience. However, commonly these methods are trained on potential energies of atomic systems and force vectors are omitted. Here we present a ML framework, which tackles the greatest difficulty on using forces in ML: accurate prediction of force direction. We use the idea of Minimal Learning Machine to device a method which can adapt to the orientation of an atomic environment to estimate the directions of force vectors. The method was tested with linear alkane molecules.


YSO-asiasanat: nanotieteet; molekyylit; atomit; koneoppiminen

Vapaat asiasanat: machine learning; molecules; atoms; force directions


Liittyvät organisaatiot


Hankkeet, joissa julkaisu on tehty


OKM-raportointi: Kyllä

Raportointivuosi: 2021

JUFO-taso: 1


Viimeisin päivitys 2024-22-04 klo 21:12