20210703_王涵_基于深度学习的分子动力学模拟

不同尺度的问题所需要的建模对象不同，但都是高维的（可用DNN建模）：DFT--建模交换关联泛函（无穷维函数）；MD--建模相互作用势、能量（3N维）；粗粒化MD--建模自由能A

截断：除非是离子溶液里静电相互作用等问题需要注意长程相互作用，不然默认认为做截断是合理的，认为长程相互作用可以适当忽略

定理：任意交换不变的函数iff可以表示成如下形式（两函数，求和）

G对应phi

由对能量的建模扩展为对张量的建模

训练数据可能是原子数较少的小体系，而训练后的模型由可扩展性得以计算大规模体系的能量和力从而用于下一步大规模分子动力学模拟；前提是大规模体系中的局部构型都能从训练集中学会

右上：通过排序分离不同化学类型的原子，以避免分支影响gpu效率

右下：加速gpu排序，做压缩

这里不太懂

tensorcore 专门设计用于加速DL模型中的矩阵计算，but只有半精度（用精度换时间）

考察精度损失：

如何尽量减少损失：

（嵌入网络）用单精度存储，计算时用半精度，结果用单精度存储。

拟合网络 在上述基础上将最后一个线性层退化为单精度

这边又听不太懂了

嵌入网络32-64-128就够了