Abstract Neural networks methodology is a tool that allows to get the potential energy curve in cases where the data dispersion does not fit a discrete distribution; hence, a binding energy fitting can be found with this methodology. A data distribution of the intermolecular pair interaction potential in vacuum has been previously accomplished between asphaltene-asphaltene ( U AA ) systems by using compass classical force field. In the latter, all possible interaction geometries are taken into account between the species: random, face-to-face, t-shape and edge to edge. In one of these cases, a potential energy curve is gotten when the geometry of interaction is face-to-face using a statistical fit. Focusing in these data distribution, neural networks have been applied on the following cases: i) face-to-face distribution of asphaltene-asphaltene interactions; ii) the complete asphaltene-asphaltene discrete distribution of energy vs contact distance (the minimum distance at which the interacting species is not equal to zero) where all-geometries were used, and iii) the random distribution of geometries of asphaltene-asphaltene interactions. In addition, using an asphaltene model molecule reported by Speight and taking into account two possible asphaltene interactions (face-to-face and random), firstly the data distribution of energy as a function of distance is obtained, and secondly neural networks are applied to fit the corresponding potential energy curve.

中文翻译：

---

从沥青质-沥青质相互作用数据拟合势能曲线的神经网络

摘要 神经网络方法是一种工具，可以在数据分散不适合离散分布的情况下获得势能曲线；因此，可以通过这种方法找到结合能拟合。先前已经通过使用罗盘经典力场在沥青质-沥青质 (U AA ) 系统之间完成了真空中分子间相互作用势的数据分布。在后者中，考虑了物种之间所有可能的相互作用几何形状：随机、面对面、t 形和边对边。在其中一种情况下，当相互作用的几何形状使用统计拟合面对面时，会得到势能曲线。针对这些数据分布，神经网络已经应用于以下案例：i) 沥青质-沥青质相互作用的面对面分布；ii) 使用所有几何形状时，完整的沥青质-沥青质离散能量分布与接触距离（相互作用物质不为零的最小距离），以及 iii) 沥青质-沥青质相互作用的几何形状的随机分布。此外，使用 Speight 报道的沥青质模型分子，并考虑到两种可能的沥青质相互作用（面对面和随机），首先获得了作为距离函数的能量数据分布，其次将神经网络应用于拟合相应的势能曲线。ii) 使用所有几何形状时，完整的沥青质-沥青质离散能量分布与接触距离（相互作用物质不为零的最小距离），以及 iii) 沥青质-沥青质相互作用的几何形状的随机分布。此外，使用 Speight 报道的沥青质模型分子，并考虑到两种可能的沥青质相互作用（面对面和随机），首先获得了作为距离函数的能量数据分布，其次将神经网络应用于拟合相应的势能曲线。ii) 使用所有几何形状时，完整的沥青质-沥青质离散能量分布与接触距离（相互作用物质不为零的最小距离），以及 iii) 沥青质-沥青质相互作用的几何形状的随机分布。此外，使用 Speight 报道的沥青质模型分子，并考虑到两种可能的沥青质相互作用（面对面和随机），首先获得了作为距离函数的能量数据分布，其次将神经网络应用于拟合相应的势能曲线。