基于图神经网络的分子动力学加速代理模型

本文介绍了一种基于图神经网络 (GNN) 的代理模型，用于加速分子动力学模拟。它通过直接预测原子位移，绕过了传统方法中计算成本高昂的力计算和数值积分。该模型保持精度并保留径向分布函数和均方根位移等物理特征的能力非常重要。这种方法为原子模拟提供了一种有前景且高效的替代方案，尤其是在金属系统中。

• •提出了一种基于 GNN 的分子动力学代理模型。
• •绕过显式力计算，提高计算效率。
• •在铝模拟中展示了精度和物理性质的保留。
• •为加速原子模拟提供了传统分子动力学的一种有前景的替代方案。