Maschinelles Lernen für nicht-kovalente Interaktionen

Die Møller-Plesset-Störungstheorie zweiter Ordnung (MP2) hat Defizite bei Dispersionswechselwirkungen. Sie sagt beispielsweise deren Energetik falsch voraus. Die Defizite überwindet ein maschineller Lernansatz von Lao und Villot von der Virginia Commonwealth University. Ihr Schema verbindet die Vorteile der wellenfunktionsbasierten MP2-Methode und des maschinellen Lernansatzes aiD(CCD). Die neue Methode, MP2+aiD(CCD), sagt nichtkovalente Interaktionen in Datensätzen besser voraus als ähnliche Methoden – besonders Datenpunkte, die nicht Teil des Trainingsdatensatzes sind. MP2+aiD(CCD) simuliert nicht-kovalente Wechselwirkungen in Komplexen mit dreistelliger Atomanzahl. TN

• J. Chem. Phys., doi: 10.1063/5.0212798

Wissenschaft + Forschung