文献类型：期刊文章

作　　者：申林[1] 贾璐阳[1] 汤典东[1] 张战运[1] 彭鼎[1]

Lin Shen;Luyang Jia;Diandong Tang;Zhan-Yun Zhang;Ding Peng(Key Laboratory of Theoretical and Computational Photochemistry of Ministry of Education,College of Chemistry,Beijing Normal University,Beijing 100875,China)

机构地区：[1]北京师范大学化学学院,理论及计算光化学教育部重点实验室,北京100875

出　　处：《中国科学：化学》

基　　金：国家自然科学基金(编号:22193041,21903005)资助项目。

年　　份：2022

卷　　号：52

期　　号：6

起止页码：858-868

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：机器学习带来的技术革命波及甚广,计算化学也从中受益.正确地将机器学习引入计算化学,有望突破现有方法在计算精度和计算效率上的瓶颈.本文针对计算化学中的机器学习方法及其应用,从势能面计算、分子动力学模拟和材料基因组工程中的分子设计三个方面进行了概述.

关 键 词：势能面 分子动力学 材料基因组  机器学习  

分 类 号：TP181] O641.1]