Novel geometric representations and optimized frameworks for deep learning models of interatomic potentials

Abstract

Aquesta tesi explora avenços en potencials de xarxes neuronals per a simulacions atomístiques, abordant el doble repte de la precisió i l'eficiència. Mitjançant noves representacions geomètriques i marcs optimitzats, té com a objectiu enllaçar la química computacional tradicional amb enfocaments moderns basats en IA. Les contribucions principals inclouen el desenvolupament de TensorNet, un model equivariant que explota representacions de tensors cartesians per a predir amb precisió energies i forces moleculars. A més, aquest treball estén TensorNet per a incorporar els estats de càrrega i espín, ampliant així la seva aplicabilitat. Les millores en el marc TorchMD-Net, incloent el suport per a CUDA graphs i les optimitzacions de PyTorch 2.0, augmenten significativament el rendiment computacional i la usabilitat per a la dinàmica molecular. Combinant arquitectures de models innovadores amb una infraestructura de programari eficient, aquesta investigació avança el camp dels potencials interatòmics d'aprenentatge automàtic.This thesis explores advancements in neural network potentials for atomistic simulations, addressing the dual challenges of accuracy and efficiency. Through novel geometric representations and optimized frameworks, it aims to bridge traditional computational chemistry and modern AI-based approaches. Key contributions include the development of TensorNet, an equivariant model exploiting Cartesian tensor representations to predict molecular energies and forces accurately. Additionally, this work extends TensorNet to incorporate charge and spin states, broadening its applicability. Enhancements to the TorchMD-Net framework, including support for CUDA graphs and PyTorch 2.0 optimizations significantly improve computational performance and usability for molecular dynamics. By combining innovative model architectures with efficient software infrastructure, this research advances the field of machine learning interatomic potentialsPrograma de Doctorat en Tecnologies de la Informació i les Comunicacions