Full centroid molecular dynamics through machine learning

Abstract

This thesis is concerned with developing new methodology for the more effi- cient execution of centroid molecular dynamics simulations - a method based on the theory of imaginary-time path integrals, commonly used in accurate com- putational prediction of vibrational spectra and other dynamical properties of condensed-phase molecular systems. This is done through the use of machine learning methods to explicitly construct the potential for the centroid. The results obtained through the new methodology are subsequently systematically compared with results obtained through the older, adiabatic, approach to cen- troid molecular dynamics. This is done for a range of low-dimensional model systems as well as realistic highly-dimensional molecular systems. The differ- ences in these results and the advantages of the new approach are subsequently discussed. The properties of the potential which has been constructed have also been investigated. 1

Tato práce se zabývá vývojem nové metodologie pro zefektivnění simu- lací centroid molekulární dynamiky - výpočetní metody založené na teorii dráhových integrálů v imaginárním čase, používané pro přesnou predikci vi- bračních spekter a jiných dynamických vlastností molekulárních systémů v kon- denzované fázi. Tato metodologie spočívá ve využití metod strojového učení k explicitní konstrukci potenciálu pro centroid. Výsledky obdržené využitím nového přístupu jsou poté systematicky porovonány se starším adiabatickým přístupem k centroid molekulární dynamice. Výsledky jsou porovnány jak pro řadu modelových systémů, tak pro realistické mnohodimenzionální molekulární systémy. Tomu následuje diskuze rozdílu mezi oběma přístupy, na kterých jsou také ilustrovány výhody nové metodologie. Vlastnosti potenciálu, který je v rámci přístupu konstruován, byly také prozkoumány. 1