Force-matched embedded-atom method potential for niobium
合金中的塑性形变和相变的大规模模拟需要可靠的经典原子间势。作为合金势发展的第一步，我们构建了铌的嵌入原子势。优化的潜在参数，一个收敛良好的密度泛函理论（DFT）的力量，能量和应力的集合产生了一个可靠的和可转移的潜在的分子动力学模拟。该势精确地描述了与拟合数据相关的属性，并且对于拟合范围之外的量也会产生出色的结果。结构和弹性性质，缺陷能量学和热行为与DFT结果和实验数据比较好，例如，DFT的表面能再现误差小于4%，广义堆垛层错能从DFT值相差小于15%，和熔融温度是在2%的实验值。
2010-04-23 cond-mat.mtrl-sci
Internal Rotation of Disilane and Related Molecules:a Density Functional Study
本文报道了Si_2H_6，Si_2F_6，Si_2Cl_6和Si_2Br_6的DFT计算结果。研究了能量、化学势和分子硬度随扭转角的变化规律。在DFT-B3 LYP/6-311++G** 水平上的计算结果表明，分子总是倾向于稳定的交错构象，具有低但显著的阻碍内旋转的能垒. Si_2H_6的化学势和硬度随sylil基团绕Si-Si轴转动而保持不变，而其它体系的电子密度随扭转角的变化呈现不同程度的重排。前线轨道的定性分析表明，扭转运动的亲电攻击的影响是可以忽略不计的，而这种内部旋转可能会产生不同的亲核攻击的具体机制。
2002-07-23 cond-mat.mtrl-sci
Cu/Ag EAM Potential Optimized for Heteroepitaxial Diffusion from ab initio Data
通过对从头计算数据的拟合，优化了Cu/Ag（111）的二元嵌入原子方法（EAM）势。拟合数据库包括Ag（111）上Cu单体和二聚体的DFT计算，特别是它们的相对能量、吸附原子高度和二聚体分离。我们从Mishin Cu-Ag EAM势开始，首先修改Cu-Ag对势以匹配FCC/HCP位点能量差，然后包括整个数据库的Cu-Cu对势优化。优化后的EAM势正确地再现了DFT单体和二聚体的相对能量和几何构型。在三聚体计算中，虽然预测了不同的基态，但势能产生FCC和HCP三聚体之间的DFT相对能量。我们使用优化的电位来计算铜单体，二聚体和三聚体的扩散势垒。预测的单体势垒与DFT相同，而单体和二聚体的实验势垒都低于这里预测的。我们将与实验的差异归因于DFT对表面吸附能的高估，并提出了一个简单的修正。我们的研究结果表明，优化的Cu-Ag EAM可以应用于Ag（111）上较大的Cu岛的研究。
2009-01-07 cond-mat.mtrl-sci
Machine-Learning Accelerated Annealing with Fitting-Search Style for Multi-alloy Structure Predictions
为发现新材料进行结构预测是计算物理和材料科学长期追求的目标。成功是相当有限的方法，如模拟退火方法（SA），需要昂贵的密度泛函理论（DFT）计算和遵循非智能搜索路径。在这里，提出了一种基于机器学习的晶体组合优化程序（CCOP）与拟合搜索风格，以大大提高SA中的结构搜索的效率。CCOP使用图神经网络能量预测模型降低DFT成本，并使用深度强化学习算法指导搜索路径。对六种多元合金的测试表明，能量预测模型能够提取复杂合金的键合特征，实现可解释性。它还通过少于5次迭代的主动学习，在很小的训练集（每次迭代增加30个样本）上实现了高精度。与几种传统方法的比较表明，CCOP以最少的搜索步骤找到了能量最低的结构。CCOP将SA的计算成本降低了两个数量级，同时提供比SA更好的搜索结果。CCOP有望成为一种广泛适用的高效晶体结构预测工具。
2023-02-07 cond-mat.mtrl-sci
Modelling the linear viscoelastic behavior of silicate glasses near the glass transition point
本文导出了玻璃在小应变等温单轴变形时的粘弹性响应模型。玻璃被视为具有不同重排活化能的弛豫单元的系综。参考能量景观概念，重排过程被认为是一系列的跳跃的放松单位（被困在他们的潜在的能源景观）更高的能级。应力-应变关系是利用热力学热力学定律建立的。通过拟合多组分硅酸盐玻璃在玻璃化转变点附近几个温度下的扭转动态实验数据，找到了可调参数。
2002-05-17 cond-mat.mtrl-sci
Extensions of the siesta dft code for simulation of molecules
我们描述了对siesta密度泛函理论（dft）代码[30]的扩展，用于模拟孤立分子及其吸收光谱。扩展允许：-使用多网格求解器的泊松方程的有限DFT网格。非周期，Dirichlet边界条件计算的电多极球谐函数的扩展。- 用肖和张的设计原子赝势方法截断分子系统[32]。- 确定有效原子电荷的静电势拟合。- 从最近描述的O（N3）阶随时间变化的DFT代码产生的原始光谱中推导出电子吸收跃迁能量和振子强度[21]。该代码还集成在siesta中作为后处理选项。
2013-02-19 cond-mat.mtrl-sci cs.DC physics.comp-ph
Atomistic potential for graphene and other sp$^2$ carbon systems
我们为sp $^2$碳引入扭转力场以增强先前工作（Kalosakas等人，J. Appl. Phys. { \bf 113}，134307（2013））的面内原子势，使得其适用于石墨烯和相关碳材料的面外变形。所引入的力场适合于再现适当结构的DFT计算数据。我们的目标是创建一个力场，是尽可能简单，所以它可以是有效的各种sp $^2$碳结构的大规模原子模拟，而不会显着损失的准确性。我们表明，完整的建议的潜力再现富勒烯和碳纳米管的特性。此外，它非常准确地再现了石墨烯的声子色散的平面外ZA和ZO模式以及频率高达1000 cm $^{-1}$的所有声子。
2017-11-27 cond-mat.mtrl-sci
Interatomic Fe-Cr potential for modeling kinetics on Fe surfaces
为了使精确的分子动力学模拟的铁铬合金的表面，我们开发，基于密度泛函理论（DFT）计算，一个新的原子间的铁铬Tersoff形式主义的潜力。相反，以前的潜在的模型，这已被设计为散装Fe-Cr，我们扩展我们的潜在的拟合数据库，不仅包括传统的散装性能，但也在体心立方铁的Cr的表面偏析能。在再现我们的DFT结果的散装性能，新的潜力被发现是优于以前开发的Tersoff势和竞争力的浓度依赖性和双带嵌入原子方法的潜力。对于Cr向Fe-Cr合金表面的偏析，只有新的电位与我们的DFT计算一致，预测Cr优先偏析到最顶层的表面层，而不是其他电位优选的第二层。我们希望这次整改能促进未来的研究，例如，从原子水平上研究不锈钢的耐腐蚀机理。
2021-05-26 cond-mat.mtrl-sci
Application-specific machine-learned interatomic potentials: exploring the trade-off between DFT convergence, MLIP expressivity, and computational cost
本文研究了应用特定机器学习互原子势中DFT收敛性、MLIP表达性与计算成本之间的权衡，通过优化训练策略和模型复杂度，降低整体计算成本。
2025-12-10 cond-mat.mtrl-sci physics.comp-ph
Active learning of collinear magnetic Moment Tensor Potentials using the spin-MLIP package from soft-constrained spin-polarized DFT calculations: a case study of Fe-Pd
Skolkovo Institute of Science and Technology（斯科尔科沃科学技术研究所）；HSE University, Faculty of Computer Science（高等经济大学计算机科学学院）；California Institute of Technology（加州理工学院）
提出一种在分子动力学模拟中主动学习磁矩张量势（mMTP）的工作流程，通过自旋MLIP、VASP和LAMMPS实现，并在Fe-Pd晶体上验证了磁化和态密度与DFT及实验的一致性。
2026-10-05 cond-mat.mtrl-sci physics.atom-ph
Validation of moment tensor potentials for fcc and bcc metals using EXAFS spectra
首次使用实验EXAFS光谱验证了材料的机器学习势，即矩张量势（MTP）。采用主动学习算法拟合密度泛函理论（DFT）的计算结果，得到了四种金属（体心立方结构的W和Mo，面心立方结构的Cu和Ni）的MTPs。MTP的准确性进行了评估，通过比较金属K-边缘EXAFS光谱实验获得的结果和计算的分子动力学（MD）模拟。以Ni为例，证明了该方法对MD和DFT模型各个方面的灵敏度。使用推荐的PAW赝势，发现W，Mo和Cu具有良好的一致性，而Ni需要具有18价电子的更准确的赝势以实现类似的一致性。EXAFS谱的使用允许一个估计MTP的能力，在再现平均和动态原子结构。
2021-08-11 cond-mat.mtrl-sci
Evaluating Moment Tensor Potential in Ag-Cu Alloy: Accuracy, Transferability, and Phase Diagram Fidelity
本文为Cu-Ag合金开发了矩张量势（MTP），在DFT数据上训练后，其在缺陷能量、表面性质和共晶相图预测上显著优于经典EAM势，且无需拟合高温相变即可准确预测共晶温度和成分，验证了MTP对不混溶金属体系建模的有效性。
2025-08-25 cond-mat.mtrl-sci
k-Means Clustering in Fingerprint-Based Configuration Selection for Fitting Interatomic Potentials
Czech Technical University in Prague（布拉格捷克理工大学）；FZU – Institute of Physics of the Czech Academy of Sciences（捷克科学院物理研究所）
提出基于CrystalNN和径向分布函数指纹的k-means聚类方法，从数据集中选择构型以拟合经典分子动力学势，相比随机选择，用更少构型实现更高精度，并在钛的EAM势拟合中验证。
2026-06-08 cond-mat.mtrl-sci
From electrons to phase diagrams with classical and machine learning potentials: automated workflows for materials science with pyiron
本研究基于pyiron IDE开发了覆盖MLP全开发周期的自动化框架，支持三类原子间势的构建与验证，并完成了航空用Al-Li合金的二元相图计算，为材料科学研究提供了易用的自动化工具。
2024-03-08 cond-mat.mtrl-sci
Best Practices for Fitting Machine Learning Interatomic Potentials for Molten Salts: A Case Study Using NaCl-MgCl2
本研究以NaCl-MgCl2熔盐为例，利用原子簇展开势和PBE-D3方法开发了成分可转移的机器学习原子间势，发现仅用部分组分数据即可拟合稳健势，并评估多种DFT方法，发现R2SCAN-D4计算热物理性质精度略高。
2024-09-26 cond-mat.mtrl-sci physics.chem-ph
Fitting to magnetic forces improves the reliability of magnetic Moment Tensor Potentials
本文提出通过拟合磁力构建磁性 Moment Tensor Potentials (mMTP)，在 bcc Fe-Al 系统中验证了其与 DFT 结果的精确一致性，并证明该方法能提高结构弛豫的可靠性。
2024-08-21 cond-mat.mtrl-sci cond-mat.other
A multiphase equation of state for carbon addressing high pressures and temperatures
提出了碳元素的五相状态方程。考虑的阶段是：金刚石，BC 8，简单立方，简单六边形，和液体/等离子体状态。固相自由能由密度泛函理论（DFT）计算约束。振动的贡献，每个固相的自由能内处理的准谐波框架。通过拟合在10，000 K < T <100，000 K范围内进行的DFT分子动力学和T > 100，000 K的路径积分量子蒙特卡罗计算的组合来约束液体自由能模型（两者都适用于3和12 g/cc之间的ρ，以及选择更高ρ的DFT计算）。液体自由能模型包括一个原子在凝胶的方法来考虑电离的影响，由于在等离子体状态的温度和压力，和离子热模型，其中包括接近理想气体的限制。达到理想气体极限的精确方式受到最高温度DFT数据和路径积分数据的极大限制，迫使我们放弃以前使用的离子热模型，转而使用新的模型。预测的主要Hugoniot和室温等温线，并比较最近的实验结果。
2013-11-18 cond-mat.mtrl-sci cond-mat.stat-mech
De novo exploration and self-guided learning of potential-energy surfaces
基于机器学习（ML）的原子间相互作用势模型作为材料模拟的工具正在迅速发展。然而，由于其灵活性，它们需要大型的配件数据库，而这些数据库通常是通过大量手动选择和调整参考配置来创建的。在这里，我们表明，ML潜力可以在很大程度上自动化的方式，探索和拟合势能面从一开始（从头）在一个相同的协议。关键的实现步骤是使用配置平均内核度量，允许在每个步骤中选择最相关的几个结构。所得到的潜力是准确的和强大的结构搜索过程中发生的各种配置，尽管只需要一个相对较少的单点DFT计算的小单元格。我们将该方法应用于具有不同化学性质和协调环境的材料，标志着ML潜力在物理，化学和材料科学中更常规应用的里程碑。
2019-05-24 cond-mat.mtrl-sci physics.comp-ph
Smart energy models for atomistic simulations using a DFT-driven multifidelity approach
KTH Royal Institute of Technology（皇家理工学院）；Università della Svizzera Italiana（瑞士意大利语区大学）；CEA, Université Paris-Saclay（法国原子能委员会（巴黎萨克雷大学））；EDF–-R&D（法国电力公司研发中心）；SCK•CEN（比利时核研究中心（SCK•CEN））
原子模拟的可靠性取决于提供物理信息源的基础能量模型的质量，例如用于原子动力学蒙特卡罗模拟中的迁移势垒的计算。精确（高保真）的方法通常是可用的，但由于它们通常是计算昂贵的，它们必须被引入一些近似度的不太精确（低保真度）的模型所取代。机器学习技术（如人工神经网络）通常用于解决这一限制，并从高保真数据的大型数据库中提取所需的参数，但后者的计算成本通常很高。这项工作介绍了一种替代方法的基础上的多保真度的方法，其中高保真度和低保真度的输出之间的相关性被利用，使一个受过教育的猜测的高保真度的结果只基于快速的低保真度的估计，因此不需要运行完整的昂贵的高保真度计算。对于神经网络，由于所涉及的拟合参数量较低，因此预计该方法需要较少的训练数据。将该方法应用于铁铜合金中空位扩散的从头算生成能和迁移能的预测，并与在同一数据库上训练的神经网络进行了比较。
2018-08-28 cond-mat.mtrl-sci cs.LG physics.comp-ph
Revisiting first-principles thermodynamics by quasiharmonic approach: Application to study thermal expansion of additively-manufactured Inconel 625
本研究改进基于DFT的QHA方法，分别计算自由能各贡献项并用AICc选模拟合，以增材制造IN625为例验证其热膨胀系数预测准确性，同时分析结构构型带来的预测敏感性与不确定性。
2024-05-15 cond-mat.mtrl-sci physics.comp-ph
Atomistic hartree theory and crystal field of twisted double bilayer graphene near the magic angle
扭曲双层石墨烯（tDBLG）是一种莫尔材料，最近由于在魔角附近观察到相关相位而引起了人们的极大兴趣。我们进行原子Hartree理论计算，研究正常状态下电子-电子相互作用的作用。与扭曲双层石墨烯（tBLG）相比，我们发现这种相互作用不会导致电子能带结构的显著掺杂依赖性变形。然而，在垂直电场存在下，相互作用对电子结构起着重要作用，因为它们屏蔽了外场。最后，我们分析了Hartree势对晶体场的贡献，即内外层的在位能量差。我们发现从Hartree理论得到的在位能量具有相同的符号，但较小的幅度相比，在以前的研究中，在现场的能量是通过拟合紧束缚的结果从头计算密度泛函理论（DFT）能带结构。为了理解这种定量差异，我们分析了从头算Kohn-Sham势从DFT得到的，发现一个微妙的相互作用的电子-电子和电子-离子相互作用决定了现场电位的大小。
2022-03-09 cond-mat.mtrl-sci cond-mat.str-el
An Atomic Cluster Expansion Potential for Twisted Multilayer Graphene
本研究针对扭曲多层石墨烯体系，提出一种生成小规模且覆盖所有层间失配的MLIPs训练测试集的方法，结合主动学习拟合Atomic Cluster Expansion势，验证了其在多类模拟任务中的准确性与鲁棒性。
2025-10-01 cond-mat.mtrl-sci physics.comp-ph
First-principles derived force field for h-BN monolayer nanostructures: Applications to sheets, nanotubes and nanotori
本文通过第一性原理自下而上构建了hBN单层经验力场，用于高效模拟其面内与面外力学性质，并推广至纳米管和纳米环的弹性分析。
2025-05-05 cond-mat.mes-hall cond-mat.mtrl-sci
Harnessing Structural Disorder: Unraveling Hydrogen Evolution in Monolayer Amorphous Carbon via First-Principles Simulations and Machine-Learned Potentials
Indian Institute of Technology Gandhinagar（印度理工学院甘地纳加尔分校）
研究单层非晶碳在氢演进反应中的性能，通过第一性原理模拟和机器学习势能分析其催化活性及结构特征。
2026-05-08 cond-mat.mtrl-sci
Machine-Learned Potential Energy Surfaces for Free Sodium Clusters with Density Functional Accuracy: Applications to Melting
本文利用高斯近似势为自由钠团簇构建了具有密度泛函精度的机器学习势能面，通过精选少量训练构型优化力的拟合，并成功应用于熔化温度预测和异构体搜索，计算结果与实验高度吻合。
2023-09-16 cond-mat.mes-hall cond-mat.mtrl-sci physics.atm-clus
