L'apprentissage automatique en dynamique moléculaire

Cette séance de cours présente des exemples de recherche sur l'application de l'apprentissage automatique à la dynamique moléculaire, aux matériaux et à la chimie. En commençant par la régression linéaire et la régression polynomiale, il progresse vers la régression du noyau et les réseaux neuronaux. L'accent est mis sur la création de fonctionnalités significatives qui capturent des informations et des symétries pertinentes dans le système. La séance de cours traite d'un document sur l'utilisation des réseaux neuronaux pour modéliser efficacement les surfaces d'énergie potentielles, soulignant l'importance de la généralisabilité. Il se penche ensuite sur un autre article qui unifie la modélisation des matériaux et des molécules en utilisant les densités atomiques voisines et les fonctions gaussiennes. La séance de cours se termine par une discussion sur la régression du noyau et les noyaux structurés en relation avec la prédiction de l'énergie moléculaire.