Séance de cours

L'apprentissage automatique en dynamique moléculaire

Description

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.

À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.