33、基于神经网络势（NNP）的甲烷氧化模拟教程

基于神经网络势（NNP）的甲烷氧化模拟教程

1. 数据集更新策略

在构建数据集时，如果四个模型的结果相互一致，那么数据集中应已包含类似的分子簇。相反，如果这四个模型的结果不一致，且它们之间的误差在特定范围内，则将相应的分子簇添加到数据集中。数据集的更新会持续进行，直到四个模型的预测始终一致，或者达到分子动力学（MD）模拟的目标长度。

2. 甲烷燃烧模拟示例

以甲烷燃烧模拟为例，介绍基于NNP的MD模拟流程。所需文件可从 此处 下载。

2.1 选择软件

有多种开源且广泛使用的NNP构建软件，如TensorMol、MLatom、EANN和DeePMD - kit。对于初学者而言，这些软件包差异不大，这里选用DeePMD - kit。

2.2 训练NNP及进行MD模拟步骤

2.2.1 准备参考数据集

在准备参考数据集时，需考虑最终模型的预期精度，以及应在何种量子力学（QM）水平上对数据进行标记。这里假设数据集已提前准备好，可从上述链接下载。之前的研究使用Gaussian 16软件在MN15/6 - 31G**水平上计算参考数据的势能和原子力，选用MN15泛函是因为它对多参考和单参考系统都有良好的精度。

2.2.2 训练NN PES

• 准备输入文件 ：训练前需准备一个名为 methane_param.json 的输入文件