Facilitating ab initio QM/MM free energy simulations by Gaussian process regression with derivative observations
16Citations signalées — pas une note de qualité
2Institutions déclarées
1Pays d’affiliation déclarés
Résumé fourni par la source
In this machine-learning-facilitated method, Gaussian process regression (GPR) is used to predict energy and force corrections for a semiempirical QM/MM level to match with ab initio QM/MM results during MD-based free energy simulations.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé, mais le titre doit être comparé manuellement.
- Titre Crossref
- Facilitating <i>ab initio</i> QM/MM free energy simulations by Gaussian process regression with derivative observations
- Date Crossref
- 01/01/2022
- Éditeur
- Royal Society of Chemistry (RSC)
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude et ne compte pas comme une seconde source scientifique indépendante.
Institutions déclarées
Une affiliation ne permet pas de déduire la nationalité d’un auteur.
Sujets associés
Machine Learning in Materials ScienceProtein Structure and DynamicsComputational Drug Discovery Methods