用于原子尺度系统机器学习的受物理启发的基函数。
项目描述
物理基础
这是“物理基础”,一组专门为原子机器学习模型设计的径向基函数。您可以在这里找到这些基函数背后的理论
安装
您可以使用pip install physical-basis
安装此软件包。
用法
该软件包包含两个类:一个用于NumPy,一个用于Torch。
NumPy
NumPy类可以使用如下方式
import numpy as np
from physical_basis import PhysicalBasis
physical_basis = PhysicalBasis()
x = np.array([0.1, 0.2, 0.3])
n = 2
l = 1
result = physical_basis.compute(n, l, x)
derivatives = physical_basis.compute_derivative(n, l, x)
eigenvalue = physical_basis.return_eigenvalue(n, l)
Torch
Torch类继承自torch.nn.Module
,可以使用如下方式
import torch
from physical_basis.torch import PhysicalBasis
physical_basis = PhysicalBasis()
x = torch.tensor([0.1, 0.2, 0.3])
n = 2
l = 1
result = physical_basis(n, l, x)
eigenvalue = physical_basis.return_eigenvalue(n, l)
特别是如果您计划使用autograd,为了速度,建议对函数进行样条插值,因为此类调用生成的计算图可能很大。
求解物理基础特征值方程
物理基础是从求解特征值方程得到的。该过程找到系数,然后使用三角函数基计算物理基础。在generate_coefficients
中提供了求解特征值方程的脚本和说明。
项目详情
下载文件
下载适合您平台的文件。如果您不确定要选择哪个,请了解有关安装软件包的更多信息。
源分布
physical_basis-1.0.0.tar.gz (15.8 MB 查看哈希值)
构建的发行版
physical_basis-1.0.0-py3-none-any.whl (15.8 MB 查看哈希值)
关闭
physical_basis-1.0.0.tar.gz 的哈希值
算法 | 哈希摘要 | |
---|---|---|
SHA256 | b545636efa87ef048be036b5d5c61627d2aca367fa4bb27300e93b593202fb04 |
|
MD5 | 80a4d44dc78a869e863c7e1afdff374d |
|
BLAKE2b-256 | 81c266c005f882c2c0f524abfd8cec48287a43c5f2f5a91df2968017519964cd |
关闭
physical_basis-1.0.0-py3-none-any.whl 的哈希值
算法 | 哈希摘要 | |
---|---|---|
SHA256 | adaa701a6f4d13b00b20151c0d257a71d9e342c032a11d2bba9f29d26691d90b |
|
MD5 | 013124cd738e4130b217b85e937f19ff |
|
BLAKE2b-256 | 4dff9198fdbae41b42dd68184b90ad5ed5939e9f077e5232249feec5d502d260 |