请选择 进入手机版 | 继续访问电脑版

计算化学公社

 找回密码
 现在注册!
查看: 788|回复: 17

[量化理论] Deep Learning泛函说不定真要来了

[复制链接]

128

帖子

0

威望

733

eV
积分
861

Level 4 (黑子)

发表于 2019-8-30 13:40:45 | 显示全部楼层 |阅读模式
本帖最后由 k64_cc 于 2019-8-30 13:42 编辑

https://arxiv.org/abs/1908.00971
Pande组做的DL泛函,看起来比之前的DL力场都靠谱,唯一的问题就是那堆3D conv layers,基本是显存怪兽,丫组里真有钱。

545

帖子

0

威望

970

eV
积分
1515

Level 5 (御坂)

发表于 2019-8-30 13:59:48 来自手机 | 显示全部楼层
能不能说下DL泛函的优势有哪些?

128

帖子

0

威望

733

eV
积分
861

Level 4 (黑子)

 楼主| 发表于 2019-8-30 14:07:57 | 显示全部楼层
本帖最后由 k64_cc 于 2019-8-30 14:11 编辑
granvia 发表于 2019-8-30 13:59
能不能说下DL泛函的优势有哪些?

就他文章的case来讲,能在与HF相近、远低于DFT的耗时下得到接近CCSD(T)的精度。当然或许这和他训练-测试集比较小有关系。

发散开说的话,我个人认为所谓DL泛函,就算不包括新物理,起码要把旧的物理信息考虑进去,在这个思路下最显然——也是最贵——的方法就是输入电子密度跑3D卷积。作为一个泛函(数学上),DL网络的复杂度远大于我们所熟悉的DFT泛函,所以一切顺利的话,DL泛函应该能够获得不亚于传统泛函的结果。

126

帖子

0

威望

1421

eV
积分
1547

Level 5 (御坂)

发表于 2019-8-30 15:48:41 | 显示全部楼层
这哥们做DL做的不错,MD, DFT 全面开花,另:DeepChem用着还不错

3

帖子

0

威望

51

eV
积分
54

Level 2 能力者

发表于 2019-8-30 17:54:07 | 显示全部楼层
厉害厉害

128

帖子

0

威望

733

eV
积分
861

Level 4 (黑子)

 楼主| 发表于 2019-8-30 18:16:49 | 显示全部楼层
yjmaxpayne 发表于 2019-8-30 15:48
这哥们做DL做的不错,MD, DFT 全面开花,另:DeepChem用着还不错

DeepChem现在是终于能用了。我两三年之前看的时候还是一片荒芜,非常难搞……

136

帖子

0

威望

485

eV
积分
621

Level 4 (黑子)

发表于 2019-8-31 11:44:28 | 显示全部楼层
k64_cc 发表于 2019-8-30 14:07
就他文章的case来讲,能在与HF相近、远低于DFT的耗时下得到接近CCSD(T)的精度。当然或许这和他训练-测试 ...

HF和泛函耗时不都是一个水平下的,再说了新物理也不可能从这玩意里获得,泛函再怎么折腾也就那样了,现在量化理论就是在上游搞不出来东西只能在下游搞,然而再搞也跳不出那个局限

评分

参与人数 1eV +5 收起 理由
卡开发发 + 5 我很赞同

查看全部评分

128

帖子

0

威望

733

eV
积分
861

Level 4 (黑子)

 楼主| 发表于 2019-9-2 13:35:40 | 显示全部楼层
biogon 发表于 2019-8-31 11:44
HF和泛函耗时不都是一个水平下的,再说了新物理也不可能从这玩意里获得,泛函再怎么折腾也就那样了,现在 ...

他文章里的图显示HF和DFT的耗时差距随体系电子数增加呈指数上升,要不您点开看一眼……?

新物理那个我很同意,无论是DL还是传统泛函都没法搞出新物理来,只能等上游领域有突破,然后把突破加进去——这就是为啥前两年连那帮大佬都觉得电子结构领域已经dying了。不过另一方面,就算是在提升拟合精度方面,现有技术也还有提升的余地,DL泛函起码在应用方面还是可以期待一下的。

136

帖子

0

威望

485

eV
积分
621

Level 4 (黑子)

发表于 2019-9-2 19:39:45 | 显示全部楼层
k64_cc 发表于 2019-9-2 13:35
他文章里的图显示HF和DFT的耗时差距随体系电子数增加呈指数上升,要不您点开看一眼……?

新物理那个 ...

耗时那个我细看以后已经发现了,确实不完全和以前想的一样,DL泛函这玩意究竟怎么样还是要看效果到底如何,昨晚我做凝聚态理论的朋友还说电子结构相关的方法已经没得搞了,就QMC还有搞头

34

帖子

0

威望

424

eV
积分
458

Level 3 能力者

发表于 2019-9-2 23:05:20 | 显示全部楼层
个人对deep learning的东西并不看好,你永远也不会知道它什么时候会犯错,我们如何界定预测的结构在训练集的范围内,而且学习的东西目前都很难泛化。如果训练集很大,测试集很小,那我全算一遍就行了,要deep learning做什么?当然作为一个统计手段我觉得可以用用。我觉得科研的乐趣之一在于发现反例,另类,而deep learning会让我们对反例失明!

评分

参与人数 1eV +3 收起 理由
naoki + 3 我很赞同

查看全部评分

164

帖子

0

威望

1147

eV
积分
1311

Level 4 (黑子)

埋進雨裡聽海的呼吸

发表于 2019-9-3 08:56:00 | 显示全部楼层
但行好事!
奔跑吧 驕傲的少年

128

帖子

0

威望

733

eV
积分
861

Level 4 (黑子)

 楼主| 发表于 2019-9-3 10:48:20 | 显示全部楼层
hxd_yi 发表于 2019-9-2 23:05
个人对deep learning的东西并不看好,你永远也不会知道它什么时候会犯错,我们如何界定预测的结构在训练集 ...

是这样的,不过退一步想,Truhlar组做的玩意也就是疯狂拟合,好像也没差太多…

128

帖子

0

威望

733

eV
积分
861

Level 4 (黑子)

 楼主| 发表于 2019-9-3 10:49:31 | 显示全部楼层
biogon 发表于 2019-9-2 19:39
耗时那个我细看以后已经发现了,确实不完全和以前想的一样,DL泛函这玩意究竟怎么样还是要看效果到底如何 ...

其实他们做postHF的还能偶尔拿出点新东西来,不过也都不excited…

136

帖子

0

威望

485

eV
积分
621

Level 4 (黑子)

发表于 2019-9-3 19:59:55 | 显示全部楼层
k64_cc 发表于 2019-9-3 10:49
其实他们做postHF的还能偶尔拿出点新东西来,不过也都不excited…

现在都是计算资源不要钱似的拟合,上个月一有大量GPU节点的朋友还问我想不想做ML或者DL合作发文章

128

帖子

0

威望

733

eV
积分
861

Level 4 (黑子)

 楼主| 发表于 2019-9-4 10:10:03 | 显示全部楼层
biogon 发表于 2019-9-3 19:59
现在都是计算资源不要钱似的拟合,上个月一有大量GPU节点的朋友还问我想不想做ML或者DL合作发文章

反正好发,不做还是人?(狗头
您需要登录后才可以回帖 登录 | 现在注册!

本版积分规则

手机版|北京科音自然科学研究中心|京公网安备 11010502035419号|计算化学公社 — 北京科音旗下高水平计算化学交流论坛 ( 京ICP备14038949-1号 )

GMT+8, 2019-9-21 09:36 , Processed in 0.163407 second(s), 25 queries .

快速回复 返回顶部 返回列表