Résumé - Inference de Structure Liquide Informatif en Physique à l'aide de Processus Gaussiens à partir de Données de Diffusion

Inference de Structure Liquide Informatif en Physique à l'aide de Processus Gaussiens à partir de Données de Diffusion

2025-07-10 17:33:28

{"Harry W. Sullivan","Brennon L. Shanks","Matej Cervenka","Michael P. Hoepfner"}

{physics.chem-ph,cond-mat.stat-mech}

Ce manuscrit de recherche présente un nouveau cadre pour inférer les structures des liquides à partir de données de diffusion en utilisant une méthode bayésienne non paramétrique appelée processus gaussiens (GPs). Les aspects clés de cette approche sont : - Elle utilise un modèle de processus gaussien informé par la physique pour inférer les fonctions de distribution radiale (FDR) à partir de mesures expérimentales de diffusion. Cela signifie que le modèle intègre des principes physiques et des contraintes connus pour s'assurer que les structures inférées sont physiquement réalistes. - Le modèle utilise des processus gaussiens non stationnaires avec une fonction noyau et une fonction moyenne conçues pour atténuer les problèmes numériques associés aux transformations de Fourier, qui sont utilisées pour convertir les données de diffusion en FDR. - La méthode inclut une quantification de l'incertitude, qui fournit des informations sur la fiabilité des FDR inférées. - La méthode est appliquée à des liquides simples (argon) et complexes (eau), démontrant sa capacité à inférer des FDR et d'autres propriétés structurales avec précision. - Le papier discute également des applications potentielles de cette méthode, telles que l'optimisation des champs de forces, la validation des simulations de dynamique moléculaire et la compréhension de la relation entre la structure et les potentiels interatomiques. En résumé, ce papier présente une approche nouvelle et prometteuse pour inférer les structures des liquides à partir de données de diffusion en utilisant des processus gaussiens informés par la physique. La méthode fournit des résultats précis et fiables et a le potentiel de faire avancer considérablement notre compréhension des structures des liquides et de leurs propriétés.