Analytical Gradient Method for Fundamental Invariant Neural Networks

doi:10.7503/cjcu20210294

Abstract

Abstract:

It is very important for dynamic simulation to improve the running speed of the potential energy surface. Compared with the numerical gradient calculation， which is simple but time-consuming， the direct analytical formula to solve the gradient of the potential energy surface can greatly improve the running efficiency of the potential energy surface. In this work， a method for generating analytic gradients for fundamental invariant neural networks was developed. The code to calculate the analytic gradient can be generated automatically by program. After testing a large number of data points， it was found that this method can get the correct output of the gradient of potential energy surface. By measuring the calculation time of different potential energy surfaces， it was found that the analytical gradient method can bring more than a ten-fold improvement in performance. The larger the system， the more significant the performance improvement will be.

Key words: Potential energy surface, Neural network, Reaction dynamics

CLC Number:

O643.1

TrendMD:

SHANG Chenyao, ZHANG Donghui. Analytical Gradient Method for Fundamental Invariant Neural Networks[J]. Chem. J. Chinese Universities, 2021, 42(7): 2146.

Figures/Tables 3

References 29

1	Fu B.， Zhang D. H.， J. Chem. Theory Comput.，2018， 14（5）， 2289—2303
2	Jiang B.， Li J.， Guo H.， J. Phys. Chem. Lett.，2020， 11（13）， 5120—5131
3	Conte R.， Houston P. L.， Qu C.， Li J.， Bowman J. M.， J. Chem. Phys.，2020， 153（24）， 244301
4	Eckhoff M.， Behler J.， J. Chem. Theory Comput.，2019， 15（6）， 3793—3809
5	Morawietz T.， Singraber A.， Dellago C.， Behler J.， Proc. Natl. Acad. Sci.，2016， 113（30）， 8368—8373
6	Cheng B. Q.， Engel E. A.， Behler J.， Dellago C.， Ceriotti M.， Proc. Natl. Acad. Sci.，2019， 116（4）， 1110—1115
7	Medders G. R.， Babin V.， Paesani F.， J. Chem. Theory Comput.，2014， 10（8）， 2906—2910
8	Chen J.， Xu X.， Xu X.， Zhang D. H.， J. Chem. Phys.，2013， 138（15）， 154301
9	Braams B. J.， Bowman J. M.， Int. Rev. Phys. Chem.，2009， 28（4）， 577—606
10	Xie Z.， Bowman J. M.， J. Chem. Theory Comput.，2010， 6（1）， 26—34
11	Bowman J. M.， Czako G.， Fu B. N.， Phys. Chem. Chem. Phys.，2011， 13（18）， 8094—8111
12	Jiang B.， Guo H.， J. Chem. Phys.，2013， 139（5）， 054112
13	Li J.， Jiang B.， Guo H.， J. Chem. Phys.，2013， 139（20）， 204103
14	Jiang B.， Guo H.， J. Chem. Phys.，2014， 141（3）， 034109
15	Xie C. J.， Zhu X. L.， Yarkony D. R.， Guo H.， J. Chem. Phys.，2018， 149（14）， 144107
16	Behler J.， Parrinello M.， Phys. Rev. Lett.，2007， 98（14）， 146401
17	Behler J.， J. Chem. Phys.，2011， 134（7）， 074106
18	Behler J.， Int. J. Quantum Chem.，2015， 115（16）， 1032—1050
19	Li J.， Song K.， Behler J.， Phys. Chem. Chem. Phys.，2019，21， 9672—9682
20	Shao K. J.， Chen， J.， Zhao Z. Q.， Zhang D. H.， J. Chem. Phys.，2016， 145（7）， 071101
21	Chen R. J.， Shao K. J.， Fu B. N.， Zhang D. H.， J. Chem. Phys.，2020， 152（20）， 204307
22	King S. A.， J. Symbolic Comput.，2013， 48， 101—109
23	Hankins D.， Moskowitz J. W.， Stillinger F. H.， J. Chem. Phys.，1970， 53（12）， 4544—4554
24	Cisneros G. A.， Wikfeldt K. T.， Ojamae L.， Lu J.， Xu Y.， Torabifard H.， Bartok A. P.， Csanyi G.， Molinero V.， Paesani F.， Chem. Rev.，2016， 116（13）， 7501—7528
25	Wang Y.， Huang X.， Shepler B. C.， Braams B. J.， Bowman J. M.， J. Chem. Phys.，2011， 134（9）， 094509
26	Babin V.， Medders G. R.， Paesani F.， J. Chem. Theory Comput.，2014， 10（4）， 1599—1607
27	Babin V.， Leforestier C.， Paesani F.， J. Chem. Theory Comput.， 2013， 9（12）， 5395—5403
28	Zhang I. Y.， Xu X.， Jung Y.， Goddard W. A.， Proc. Natl. Acad. Sci.， 2011， 108（50）， 19896—19900
29	Wang Y.， Shepler B. C.， Braams B. J.， Bowman J. M.， J. Chem. Phys.， 2009， 131（5）， 054511

System	Atoms	Network	Time of forward^a/s	Time of backward^b/s	Speed up（calc.）^c	Speed up（test）^d
（H₂O）₂	6	66?35?35?1	9.05	15.80	13.47	13.13
（H₂O）₃	9	226?35?40?1	3.33	13.58	10.84	6.19
（H₂O）₃	9	400?35?35?1	3.72	12.07	12.97	12.03
（H₂O）₃	9	500?55?55?1	6.14	16.19	15.13	14.90
（H₂O）₃	9	700?55?55?1	10.70	24.35	16.79	14.40
（H₂O）₄	12	387?45?45?1	1.34	4.18	17.68	15.78
（H₂O）₄	12	500?45?45?1	2.04	5.58	19.52	14.89
（H₂O）₄	12	700?55?55?1	3.30	8.79	19.91	15.29
（H₂O）₄	12	1000?50?50?1	5.25	14.96	18.96	16.46

System	Atoms	Network	Time of forward^a/s	Time of backward^b/s	Speed up（calc.）^c	Speed up（test）^d
（H₂O）₂	6	66?35?35?1	9.05	15.80	13.47	13.13
（H₂O）₃	9	226?35?40?1	3.33	13.58	10.84	6.19
（H₂O）₃	9	400?35?35?1	3.72	12.07	12.97	12.03
（H₂O）₃	9	500?55?55?1	6.14	16.19	15.13	14.90
（H₂O）₃	9	700?55?55?1	10.70	24.35	16.79	14.40
（H₂O）₄	12	387?45?45?1	1.34	4.18	17.68	15.78
（H₂O）₄	12	500?45?45?1	2.04	5.58	19.52	14.89
（H₂O）₄	12	700?55?55?1	3.30	8.79	19.91	15.29
（H₂O）₄	12	1000?50?50?1	5.25	14.96	18.96	16.46

[1]	HUANG Mingxin, ZHOU Lei, WANG Xuezhong. Measurement of Particle Size Distribution of Battery Slurries Using Ultrasonic Attenuation Spectroscopy [J]. Chem. J. Chinese Universities, 2022, 43(6): 20220040.
[2]	ZHANG Xiang, XIE Xulan, XIONG Likun, PENG Yang. Urchin-like Gold Nanoneedle for Efficient Electrocatalytic CO₂ Reduction [J]. Chem. J. Chinese Universities, 2021, 42(9): 2824.
[3]	AN Feng, HU Xixi, XIE Daiqian. Research Advances on Nonadiabatic Energy Transfer Dynamics for Triatomic Molecules [J]. Chem. J. Chinese Universities, 2021, 42(7): 2103.
[4]	BAI Xu, HAN Chaoying, ZHU Hua. Theoretical Studies of the Potential Energy Surface and Rovibrational Spectra for Kr-C₂H₂ [J]. Chem. J. Chinese Universities, 2019, 40(8): 1649.
[5]	WANG Qian, YANG Zheng, FANG Zheng. Biological Tissue Recognition Based on X-Ray Absorption Spectral Detection^† [J]. Chem. J. Chinese Universities, 2018, 39(7): 1434.
[6]	LU Yue, MA Jianbing, HUANG Xingyuan, XIAO Xue, LI Ming, LU Ying, XU Chunhua. Measuring the Reaction Rates of High Affinity Reactions by Single-molecule Magnetic Tweezers^† [J]. Chem. J. Chinese Universities, 2018, 39(6): 1228.
[7]	QU Zexing, GAO Jiali. Multistate Density Function Theory and the Construction of Diabatic and Adiabatic Potential Energy Surfaces^† [J]. Chem. J. Chinese Universities, 2015, 36(11): 2236.
[8]	ZHANG Hui, HE Yuhan, TANG Duo, LI Yanwei. In-cell Selective Ultrasonic Electrosynthesis of Methyl Benzaldehyde Based on RBF Neural Network and Genetic Algorithm^† [J]. Chem. J. Chinese Universities, 2014, 35(6): 1199.
[9]	ZHANG Zhi-Hong, LEI Peng. Dynamic Study of the Isotopic Effect on Ca+CD₃I→CaI+CD₃ Reaction Used Quasi-classical Trajectory Method [J]. Chem. J. Chinese Universities, 2013, 34(6): 1450.
[10]	GAO Si-Meng, HE Hai-Peng, DING Yi-Hong. SnAl₄^- and PbAl₄^-: Two New Planar Tetra-coordinate Molecule [J]. Chem. J. Chinese Universities, 2013, 34(1): 185.
[11]	LI Hong-Zhi, TAO Wei, GAO Ting, LI Hui, LV Ying-Hua, SU Zhong-Min. Improving the Accuracy of DFT Calculation for Homolysis Bond Dissociation Energies of Y—NO Bond via Back Propagation Neural Network Based on Mean Impact Value [J]. Chem. J. Chinese Universities, 2012, 33(02): 346.
[12]	CI Cheng-Gang, DUAN Xue-Mei, LIU Jing-Yao*, SUN Chia-Chung. Theoretical Studies on Photodissociation Mechanism of Glycoladehyde [J]. Chem. J. Chinese Universities, 2011, 32(7): 1588.
[13]	SHAO Chang-Bin, JIN Lin, DING Yi-Hong*. Theoretical Study on Isomerization Stability of B₄O Molecule [J]. Chem. J. Chinese Universities, 2010, 31(2): 348.
[14]	XIE Chang-Jian, CHEN Rong, ZHU Hua, XIE Dai-Qian. Ab initio* Potential Energy Surface and Microwave Spectra of Ne-CO₂ [J]. Chem. J. Chinese Universities, 2009, 30(9): 1851.
[15]	ZHANG Wen-Bin, SHI Guo-Sheng, DING Yi-Hong*, SUN Chia-Chung. SnCNN: A Molecule Containing Sn≡≡C Bond [J]. Chem. J. Chinese Universities, 2009, 30(7): 1427.