Оценка структурных дескрипторов для переохлажденной воды с помощью машинного обучения

Аномальное поведение жидкой воды широко связывают с жидко-жидкостным фазовым переходом между состояниями с высокой и низкой плотностью в переохлажденной области. На микроскопическом уровне эти свойства определяются тетраэдрическими сетями водородных связей, что требует введения структурных дескрипторов, характеризующих локальную молекулярную среду. Эти дескрипторы количественно описывают такие признаки, как тетраэдрический порядок, локальная плотность и расстояние между первой и второй координационными оболочками; однако они в основном предлагались независимо друг от друга и редко подвергались систематическому сравнению. В настоящей работе мы оцениваем 16 ранее предложенных дескрипторов с использованием нейросетевой схемы классификации по температуре, что позволяет объективно оценить их способность различать температурно-зависимые структурные изменения в переохлажденной воде. Мы также применяем метод объяснимого искусственного интеллекта, который выявляет структурные признаки, ответственные за предсказания модели. Этот подход показывает, каким образом разные дескрипторы кодируют локальную структурную информацию, и устанавливает основанную на данных методику для бенчмаркинга структурных дескрипторов в жидкой воде. Структурные дескрипторы для переохлажденной воды в значительной степени предлагались независимо, различаясь по определениям, размерностям и масштабам, но систематического сравнения не хватает. Здесь мы используем нейросетевую схему классификации по температуре, чтобы оценить 16 ранее предложенных дескрипторов на их способность различать температурно-зависимые структурные изменения в переохлажденной воде, и применяем метод объяснимого ИИ для выявления структурных признаков, лежащих в основе предсказаний модели.