Gaussian Approximation Potential: an interatomic potential derived from first principles Quantum Mechanics
在原子水平上模拟材料是研究微观结构和过程的重要工具。量子力学正确地描述了模拟所需的原子相互作用。然而,求解量子力学方程所需的计算资源将量子力学的使用限制在最多几百个原子,并且仅限于可用构型空间的一小部分。本论文介绍了我在发展一种新的原子间相互作用势产生方案方面的研究成果,我们称之为高斯近似势。在我们的框架中,量子力学的势能面被内插在一组预定值之间的原子构型空间中的不同点的非线性,非参数回归方法,高斯过程。为了进行拟合,我们用双谱来表示原子环境,双谱对邻域中原子的排列和全局旋转是不变的。其结果是一个通用的方案,允许一个生成原子间的潜力的基础上任意的量子力学数据。我们使用从密度泛函理论获得的数据建立了一系列高斯近似势,并测试了该方法的能力。我们表明,我们的模型再现的量子力学势能面非常好的IV族半导体,铁和氮化镓。我们的潜力,同时保持量子力学的准确性,比量子力学方法快几个数量级。
2010-03-14 cond-mat.mtrl-sci physics.chem-ph
Optimizing many-body atomic descriptors for enhanced computational performance of machine learning based interatomic potentials
我们探索不同的方法来简化原子位置平滑重叠(SOAP)多体原子描述符的评估[Bartók等人,B 87,184115(2013)]。我们的目标是提高基于SOAP的相似性核构造的计算效率。虽然这些改进的原子描述符可用于原子性质的一般表征和插值,但它们的主要目标应用是在高斯近似势(GAP)框架内加速评估基于机器学习的原子间势[Bartók等人,物理修订版信函104,136403(2010)]。我们实现了这一目标,通过表示原子密度在一个近似的可分离的形式,其中包括径向和角通道。然后,我们表示SOAP描述符的元素(即,原子密度的展开系数)的解析形式给出了径向基组的特定选择。最后,我们推导出的展开系数的递推公式。与以前的实现相比,这种新的基于SOAP的描述符允许十倍的加速,同时提高了远距离原子邻居的径向扩展的稳定性,而不会降低GAP模型的插值能力。
2019-09-13 cond-mat.mtrl-sci physics.comp-ph
How to validate machine-learned interatomic potentials
本文综述机器学习原子间势的验证原则,提出结合数值误差指标与物理引导验证的最佳实践和具体建议。
2022-11-28 cond-mat.mtrl-sci physics.chem-ph
A general-purpose atomic cluster expansion interatomic potential for niobium
Center for Advanced Systems Understanding (CASUS)(先进系统理解中心);Helmholtz-Zentrum Dresden-Rossendorf (HZDR)(德累斯顿-罗斯多夫亥姆霍兹中心);ICAMS, Ruhr-Universität Bochum(波鸿鲁尔大学综合分析与建模中心)
针对铌的复杂性质,构建了通用原子团簇展开势,在数千DFT结构上训练,平衡精度、效率和鲁棒性,实现近DFT精度的大规模模拟。
2026-07-02 cond-mat.mtrl-sci
Regularised Atomic Body-Ordered Permutation-Invariant Polynomials for the Construction of Interatomic Potentials
我们研究了使用不变多项式在材料系统的数据驱动的原子间相互作用势的建设。“原子体有序置换不变多项式”(aPIP)包括系统基础,并被构造为保持势能函数相对于旋转和置换的对称性。与基于核的模型和人工神经网络模型相比,将总能量显式分解为原子体有序项的总和允许保持拟合的维度相当低,对于5体项仅为10。这种分解有助于势的可解释性,因为低体阶分量可以独立地研究和解释。此外,虽然多项式基函数被认为外推差,我们表明,低维结合仔细正则化实际上导致更好的可转移性比高维,基于内核的高斯近似势。
2019-10-14 cond-mat.mtrl-sci physics.comp-ph
atomicrex - A general purpose tool for the construction of atomic interaction models
我们介绍atomicrex,一个用于构建原子间势以及更一般类型的原子尺度模型的开源代码。需要这种有效的模型来模拟包括数千个原子或更多原子的扩展材料结构,因为电子结构方法在这种规模下在计算上变得过于昂贵。Atomicrex涵盖了广泛的原子间势类型,并满足了原子模型开发中的许多需求。作为输入,它支持实验属性值以及\textit{ab initio}能量和力,可以使用各种优化算法来拟合模型。atomicrex的开放式架构使其能够用于经典原子间势之外的自定义模型开发场景,同时由于其Python接口,它可以很容易地集成,例如,电子结构计算或机器学习算法。
2017-01-30 cond-mat.mtrl-sci
Ab Initio Construction of Interatomic Potentials for Uranium Dioxide Across all Interatomic Distances
我们提供了一种用于产生原子间势的方法,用于在从晶格振动到晶体缺陷到高能碰撞的能量尺度上发生的原子现象的经典分子动力学模拟。一个严格的方法来客观地确定形状的原子间的潜力在所有的长度尺度上引入了一个著名的齐格勒-Biersack-Littmark普遍潜力,提供了短期和长期的限制行为的潜力的带电离子概括的基础上。在中间范围内,通过拟合从头算数据来平滑地调整电位。我们的形式主义提供了一个完整的描述,可以在任何能量尺度上使用的原子间的潜力,从而消除了固有的模糊性样条不同的潜力产生研究不同种类的原子材料的行为。我们通过发展从热力学平衡到与裂变事件相关的非常高的原子能碰撞的条件下二氧化铀相互作用的刚性离子势来验证该方法。
2009-09-17 cond-mat.mtrl-sci
A Hessian-Based Assessment of Atomic Forces for Training Machine Learning Interatomic Potentials
近年来,已经引入了许多类型的机器学习势(MLP),其能够以接近第一原理的精度表示高维势能面(PES)。大多数当前的MLP依赖于作为局部化学环境的函数给出的原子能贡献。通常,除了总能量外,原子力也被用来构建势,因为它们提供了关于PES的详细局部信息。由于许多系统对于电子结构计算来说太大,因此从较小的子系统(如分子碎片或簇)获得可靠的参考力可以大大简化训练集的构建。在这里,我们提出了一种方法来确定结构收敛的分子片段提供可靠的原子力的基础上分析的海森。该方法,它作为一个本地测试,并允许估计远程相互作用的重要性,说明了一系列的分子模型系统和金属有机框架的MOF-5作为一个复杂的有机-无机杂化材料的例子。
2021-12-29 cond-mat.mtrl-sci
Driving force of atomic ordering in Fe$_{1-x}$Pt$_{x}$, investigated by density functional theory and machine-learning interatomic potentials Monte Carlo simulations
本研究利用DFT和MLIP-MC模拟揭示了自旋极化是Fe$_{1-x}$Pt$_{x}$合金中原子有序化的关键驱动力,对准确预测其相变温度至关重要。
2024-12-24 cond-mat.mtrl-sci
Semi-Empirical Parameterization of Interatomic Interactions and Kinetics of the Atomic Ordering in Ni-Fe-C Permalloys and Elinvars
在晶格静力学和静态涨落波方法的框架内,收集和分析了f.c.c.- (Ni,Fe)-C溶液,允许主晶格的离散原子结构。选择晶格间距、主晶格的弹性模量和/或准弹性力参数以及由于各溶质引起的固溶体晶格膨胀的浓度系数作为所使用的输入数值实验数据。上述相互作用能对离散的原子间半径矢量具有非单调递减和各向异性的依赖性,并且相互作用能是强的长程相互作用。在所有的f.c.c.- (Ni,Fe)-基溶液中,许多配位壳层中存在应变诱导吸引。一般来说,γ-Fe中杂质原子之间的应变诱导相互作用弱于α-Ni。杂质应变相互作用近似对f.c.c.- (Ni(Fe)-C合金的研究表明,在第一配位壳层中必须补充额外的短程(电化学)排斥作用。然而,在任何情况下,在分析f.c.c.- (Ni Fe)-基溶液。应用蒙特卡罗模拟方法对纳米级Fe-C-奥氏体微晶的结构进行了模拟,分析了不同原子构型的数目与C-C原子间相互作用能的关系,揭示了模拟体系的势能与迭代次数以及蒙特卡罗步骤之间的相关性。
2014-06-01 cond-mat.mtrl-sci
Strong atomic reconstruction in twisted bilayers of highly flexible InSe: Machine-Learned Interatomic Potential and continuum model approaches
本研究通过机器学习原子间势和连续介质模型,发现高度柔性InSe扭转双层在广泛扭转角下发生显著原子重构,包括面外褶皱和面内畴形成。
2024-06-27 cond-mat.mes-hall cond-mat.mtrl-sci
Accurate Interatomic Force Fields via Machine Learning with Covariant Kernels
我们提出了一个新的计划,准确地预测原子力的矢量量,而不是标量分量的集合,高斯过程(GP)回归。这是基于矩阵值核函数,我们施加的要求,预测力旋转的目标配置,是独立的任何旋转应用到配置数据库条目。我们表明,这样的协变GP核可以通过对旋转群SO(d)的元素进行积分来获得。值得注意的是,在特定情况下,积分可以进行分析,并产生一个保守力场,可以改写成一对相互作用的形式。最后,我们表明,限制的整合,在一个有限的点群的元素有关的目标系统的总和是足以恢复一个准确的GP。我们的内核在预测量子力学力在实际材料中的准确性进行了调查,通过测试纯和有缺陷的Ni,Fe和Si晶体系统。
2017-06-08 cond-mat.mtrl-sci physics.chem-ph
Interatomic spin-orbit coupling in atomic orbital-based tight-binding models
该研究基于原子轨道双中心近似解析推导SOC跃迁积分,引入扩展Slater-Koster符号确定任意方向下s/p/d轨道的SOC跃迁形式,应用于紧束缚模型并通过多极分解揭示手性系统自旋分裂源于电环四极子Gᵤ的作用。
2024-07-13 cond-mat.mtrl-sci
Extracting Atomic Environments for Machine Learning Interatomic Potentials
Lawrence Livermore National Laboratory(劳伦斯利弗莫尔国家实验室)
研究如何从大规模原子构型中提取原子环境用于机器学习原子间势,通过对多种材料系统测试多种提取技术,提出名为删除的方法,该方法简单且性能优于其他方法。
2026-08-04 cond-mat.mtrl-sci
Symbolic Regression in Materials Science: Discovering Interatomic Potentials from Data
Heuristic and Evolutionary Algorithms Laboratory(启发式与进化算法实验室);University of Applied Sciences Upper Austria(上奥地利应用科学大学)
本文探讨符号回归在材料科学中发现原子间势的作用,提出基于遗传编程的建模方法,并在从头算电子结构数据上验证其有效性。
2022-07-21 cond-mat.mtrl-sci cs.LG cs.NE
Atomic cluster expansion interatomic potential for defects and thermodynamics of Cu-W system
本文基于原子簇展开方法为Cu-W不混溶体系开发了精确的机器学习原子间势,通过DFT和实验验证了其基本性质与热力学性质,并利用MC-MD模拟揭示了相分离和上坡扩散的原子机制。
2024-07-01 cond-mat.mtrl-sci
Bayesian optimization of atomic structures with prior probabilities from universal interatomic potentials
Technical University of Denmark(丹麦技术大学)
本研究提出一种结合通用机器学习势与高斯过程贝叶斯优化的新方法,通过将机器学习势作为先验以加速全局最优原子结构的识别,并在体相材料、表面和团簇上验证了其有效性。
2024-11-18 cond-mat.mtrl-sci cs.LG
Atomic-Scale Mechanisms of SiO$_2$ Plasma-Enhanced Chemical Vapor Deposition Revealed by Molecular Dynamics with a Machine-Learning Interatomic Potential
Seoul National University(首尔大学);Samsung Display Company Ltd.(三星显示有限公司);Korea Institute for Advanced Study(韩国高等科学研究院);Incheon National University(仁川国立大学)
本文通过分子动力学模拟揭示了SiO₂ PECVD的原子尺度机制,探讨了氧化剂与硅烷比例对薄膜生长的影响,并展示了等离子体物种对表面粗糙度的调控作用。
2026-03-12 cond-mat.mtrl-sci
Reduced pairing hamiltonian for interatomic two-electron exchange in layered cuprates
建立了层状高温超导体铜氧化物的原子轨道线性组合(LCAO)紧束缚模型。这些材料的能带结构使用σ带哈密顿量描述,该σ带哈密顿量采用Cu 4s、Cu 3d_x^2-y^2、O2p_x和O2p_y原子轨道。费米能级和形状的费米面拟合最近的角度分辨光子发射光谱(ARPES)的数据,以现实地确定在导带中的色散。通过在CuO_2平面内相邻轨道之间引入Heitler-London双电子交换,得到电子-电子相互作用,并最终得到Cooper配对。最后,利用由能带结构拟合确定的LCAO波函数,导出了原子间交换的Bardeen-Cooper-Schrieffer型核.
2002-05-29 cond-mat.mtrl-sci cond-mat.supr-con
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
Development of a physically-informed neural network interatomic potential for tantalum
材料的大规模原子模拟严重依赖于原子间势,原子间势预测系统能量和原子力。该领域的最新发展之一是通过机器学习(ML)方法构建原子间相互作用势。ML势通过使用量子力学计算生成的大型参考数据库的数值插值来预测能量和力。虽然可以实现高精度的内插,外推到未知的原子环境是不可预测的。最近提出的物理信息神经网络(PINN)模型通过将神经网络回归与基于物理的键级原子间相互作用势相结合,显着提高了可转移性。在这里,我们证明了通用PINN电位可以开发体心立方(BCC)金属。钽的PINN势再现了2.8 meV/atom内的参考能量。它准确地预测了Ta的广泛的物理性质,包括(但不限于)晶格动力学、热膨胀、点缺陷和扩展缺陷的能量、位错芯结构和Peierls势垒、熔化温度、液体Ta的结构和液体表面张力。这种潜力使得能够以接近第一原理的精度对Ta的物理和机械行为进行大规模模拟,同时速度更快。这种方法可以很容易地扩展到其他BCC金属。
2021-01-16 cond-mat.mtrl-sci
Atomic-scale phase-field modeling with universal machine learning potentials
Institute for Materials Research, Tohoku University(东北大学物质材料研究学府)
本研究通过引入通用机器学习原子间势将原子尺度相场方法推广至多体系统,提升了准确性与可迁移性,在铜的块体及晶界模拟中验证了该框架,显著拓宽了相场方法在复杂材料和缺陷结构热力学建模中的应用范围。
2025-09-16 cond-mat.mtrl-sci
Conceptual and practical bases for the high accuracy of machine learning interatomic potential
基于密度泛函理论(DFT)计算获得的大数据集的机器学习原子间相互作用势(MLIPs)最近得到了发展。这项研究为MLIPs的高精度提供了概念和实践基础,尽管MLIPs一直被认为只是原子能的精确黑箱描述。我们还构建了最准确的MLIP的元素Ti以往报道使用线性MLIP框架和许多角度依赖的描述符,这也对应于一个概括的修改嵌入原子方法(MEAM)的潜力。
2017-08-09 cond-mat.mtrl-sci
Fitting of the TB-SMA interatomic potentials for Pt/Cu(111) surface alloy
本文提出了Pt/Cu(111)表面合金TB-SMA原子间相互作用势的新参数。使用实验和{\it ab initio}数据拟合参数。电位不仅再现了铜和铂的体相性质,而且再现了Pt/Cu(111)表面合金的能量特性。该势可用于Pt/Cu(111)表面合金生长的原子尺度模拟。
2018-02-27 cond-mat.mtrl-sci
Relation between the strength and dimensionality of defect-free carbon crystals
在从头计算的基础上,得到了一维、二维和三维碳晶体中原子间键的强度。结果表明,随着晶体维数的降低,原子键强度几乎呈线性增加。确定了晶体强度随维数减小而增大的原因是原子配位数减少和原子键方向夹角增大。根据这些数据,证实了一维晶体具有最大强度,碳炔的强度是材料强度的绝对上限
2015-04-01 cond-mat.mtrl-sci
Platonic representation of foundation machine learning interatomic potentials
Imperial College London(伦敦帝国学院)
本研究提出柏拉图表示法,通过统一不同MLIPs的潜在空间,实现跨模型最优传输和可解释的嵌入运算,揭示潜在空间中几何失真与物理预测失败的关系。
2025-12-05 cond-mat.mtrl-sci
First principles interatomic potential for tungsten based on Gaussian process regression
原子相互作用的精确描述,如由第一原理量子力学提供的描述,是现实预测金属塑性、断裂或裂纹扩展特性的基础。然而,与明确基于量子力学的现代方案相关联的计算复杂性限制了它们的应用至多几百个原子的系统。本论文研究了Gaussian Approximation Potential(GAP)方法在钨原子模型中的应用。钨是一种体心立方过渡金属,具有脆韧转变,其塑性行为受$\frac{1}{2} \langle 111 \rangle$螺型位错的性质控制。我们应用高斯过程回归法,从原子组态空间中的一组点插值得到量子力学(QM)势能面。我们的训练数据是基于直接使用密度泛函理论(DFT)计算的QM信息。为了进行拟合,我们使用一组旋转,置换和反射不变参数来表示原子环境,这些参数在我们的非参数,非线性回归方程中充当自变量。我们开发了一个协议,用于生成GAP模型能够描述金属中的晶格缺陷,通过建立一系列的钨原子间势。然后,我们证明了一个基于原子位置的平滑重叠(SOAP)的协方差函数的间隙电位提供了一个描述的$\frac{1}{2} \langle 111 \rangle$螺钉位错,这是在协议与DFT模型。我们使用这种潜力来模拟的$\frac{1}{2} \langle 111 \rangle$螺旋位错的移动性,通过计算Peierls势垒和模型位错-空位相互作用,以QM精度在一个系统中包含超过100,000个原子…
2014-03-13 cond-mat.mtrl-sci
Elucidation of the atomic-scale mechanism of the anisotropic oxidation rate of 4H-SiC between the ($0001$) Si-face and ($000\overline{1}$) C-face by using a new Si-O-C interatomic potential
碳化硅(SiC)是一种在电力电子器件中有广泛应用前景的半导体材料。然而,高质量SiC/SiO ${}_2$界面的制造一直是一个挑战。众所周知,Si面和C面之间的氧化速率存在很大差异,并且Si面上的氧化物质量大于C面上的氧化物质量。然而,SiC热氧化的原子机制仍有待解决。本文提出了一种新的Si-C-O原子间相互作用势来再现SiC热氧化动力学。使用这种新开发的潜力,在不同温度下进行大规模的SiC氧化模拟。结果表明,Si面的活化能远大于C面。在Si面的情况下,产生包括Si ${}^{1+}$的平坦且对准的界面结构。基于估计的中间氧化物状态的活化能,它提出了平坦的界面结构的稳定性是起源的Si面的氧化的高活化能。相反,在C面的情况下,发现界面处的Si原子容易被O原子上拉。这一过程产生了无序的界面,降低了氧化的活化能。还提出在C面的情况下产生许多过量的C原子。
2018-04-24 cond-mat.mtrl-sci
Atomic-scale modeling of superalloys
原子理论为基于量子力学基本原理的高温合金的从头算发展提供了希望。过去几年在这一领域取得了迅速的进展。原子模型的结果进入合金性能的大规模模拟,通常可以直接与实验表征进行比较。在本章中,我们给出了镍基高温合金的原子模型和模拟的概述。我们涵盖了原子间相互作用的描述,从量子力学模拟与少量的原子到数百万原子模拟与经典的原子间势。讨论了高温合金中典型缺陷的热力学和动力学性质以及与机械变形的关系。与其他建模技术的连接进行了概述。
2021-11-05 cond-mat.mtrl-sci
Interatomic potential theory on the phase transition of charge density wave in transition metal dichalcogenides
过渡金属二硫族化物的电荷密度波(CDW)的模式和周期表现出复杂的相图,取决于压力,温度,金属嵌入,或硫族合金。在唯象朗道自由能模型的背景下,相图已经被理解,但它们背后的微观机制仍然不清楚。在这里,我们提出了一个新的微观理论的基础上的原子间势,并明确计算了温度依赖的相图使用从第一性原理计算提取的原子间势。利用详细的原子结构,计算得到的单层H-TaSe 2相图成功地再现了实验特征,如公度锁定和条纹相。我们的工作表明,电荷密度波的复杂行为起源于相对简单的原子间势结构,并阐明了晶格非谐性对CDW相变的作用。
2022-01-04 cond-mat.mtrl-sci
Cluster-based Structural Similarity for Dataset Visualization and Data Selection for Machine Learning Interatomic Potentials
Fujitsu Research, Fujitsu Limited(富士通研究所);School of Chemical Engineering, Aalto University(阿尔托大学化学工程学院)
针对机器学习原子间势训练中的数据选择,提出基于k-medoids聚类和最优匹配的结构相似性评估方法,兼顾表征保真与计算效率,较基线快约50倍,提升力预测的数据效率与稳定性。
2026-10-01 cond-mat.mtrl-sci
Interatomic potentials for mixed oxide (MOX) nuclear fuels
我们将最近发展的UO_{2}的原子间相互作用势推广到混合氧化物燃料系统(U,Pu,Np)O_{2} .我们这样做是通过拟合对一个广泛的数据库的从头计算结果,以及实验测量。这些相互作用的各种混合环境以外的拟合域的适用性也进行了评估。所采用的形式主义,使这些潜力适用于所有的原子间的距离,而不需要任何模糊的样条到公认的短程齐格勒-比尔萨克-利特马克通用对潜力。因此,我们希望这些是可靠的潜力进行损伤模拟(和分子动力学模拟一般)在核燃料的各种成分的所有相关的原子碰撞能量。
2010-10-05 cond-mat.mtrl-sci
Equivariant Machine Learning Interatomic Potentials with Global Charge Redistribution
Department of Mechanical Engineering, Texas Tech University, Lubbock, Texas 79409, USA(德克萨斯理工大学机械工程系);Samsung Advanced Institute of Technology, Samsung Electronics, Suwon 16678, Republic of Korea(三星电子首尔先进技术研究所)
针对现有机器学习原子间势难处理长程相互作用等系统的问题,研究提出融合全局电荷分布与电荷平衡方案的等变MLIP,在多基准数据集上的能量、力预测表现更优,拓展了其在计算材料科学的应用。
2025-03-23 cond-mat.mtrl-sci cs.LG physics.chem-ph
Interatomic Potential in a Simple Dense Neural Network Representation
原子尺度的模拟为理解材料的力学性能提供了一种直接有效的方法。在经典力学体系中,金属和合金的热力学性质的模拟可以通过求解运动方程或进行Monte Carlo采样来完成。精确模拟这样的物理系统以产生忠实的物理量的关键组成部分是使用适当的势场或力场。在本文中,我们将探索使用机器学习领域的方法来克服和绕过原子系统拟合势时遇到的困难。特别是,我们将表明,经典的潜力可以表示一个稠密的神经网络具有良好的精度。
2019-11-04 cond-mat.mtrl-sci cond-mat.stat-mech physics.comp-ph
SoLiD26: A First Principles Solid-Liquid Interface Dataset for Machine-learned Interatomic Potentials
Technical University of Denmark(丹麦技术大学)
该论文构建了包含1540万个第一性原理原子结构的固液界面数据集SoLiD26,涵盖多种化学元素和界面类型,用于训练和评估机器学习原子间势,并通过MACE模型验证其有效性。
2026-10-22 cond-mat.mtrl-sci cs.LG physics.chem-ph
Active learning strategies for atomic cluster expansion models
原子团簇展开(ACE)是近年来提出的一类新的数据驱动原子间相互作用势函数。由于任何原子间势的发展都需要仔细选择训练数据和彻底的验证,因此训练数据集的构建自动化以及模型不确定性的指示是非常可取的。在这项工作中,我们比较了基于D-最优准则和集成学习的ACE模型的不确定性指示的两种方法的性能。虽然这两种方法都显示出相当的预测,但基于D-最优性(Maximum算法)的外推等级在计算上更有效。此外,外推品位指示器能够积极探索新结构,为自动发现稀有事件配置开辟了道路。我们证明了主动学习也适用于从大规模MD模拟中探索局部原子环境。
2022-12-16 cond-mat.mtrl-sci
Atomistic insights into hydrogen migration in IGZO from machine-learning interatomic potential: linking atomic diffusion to device performance
本文利用机器学习原子间势分子动力学模拟研究非晶IGZO和CAAC-IGZO中的氢扩散机制,揭示a-IGZO中氢在300-400 K下可于10^4秒内到达界面并导致偏压退化,而CAAC-IGZO因c轴高能垒限制垂直扩散,从而将原子尺度氢输运与器件性能联系起来。
2025-08-27 cond-mat.mtrl-sci
Incorporating Gibbs free energy into interatomic potential fitting
Department of Physics, Xiamen University(厦门大学物理系)
本文提出了一种基于哈密顿热力学积分的方法,用于将吉布斯自由能纳入相互作用势能拟合,通过验证Uhlenbeck-Ford模型和嵌入原子方法势能的有效性,展示了该方法在高温高压条件下的应用价值。
2026-01-30 cond-mat.mtrl-sci
Accelerating Simulated Annealing of Glassy Materials with Data Assimilation
玻璃化转变的超长弛豫时间使得用常规方法很难建立非晶材料的原子模型。我们提出了一种新的方法来建立这样的原子模型,使用模拟退火的数据同化方法与精确计算的原子间的潜力从实验数据的惩罚增强。这种方法的优点是不仅可以像逆蒙特卡罗方法那样再现实验数据,而且可以得到原子间势能的合理结构。此外,由于原子间相互作用势,我们不需要高的$Q$范围的衍射数据,这是必要的,以考虑到短程秩序。持久的同源性分析表明,由新方法获得的无定形冰确实是更有序的中程。
2022-09-02 cond-mat.mtrl-sci
Cross-Geometry Transferability Assessment of Universal Machine Learning Interatomic Potentials: From Bulk Materials to Atomic Nanowires
Brazilian Nanotechnology National Laboratory (LNNano/CNPEM)(巴西国家纳米技术实验室);Universidade Federal do ABC (UFABC)(ABC联邦大学)
该研究评估通用机器学习原子间势的跨几何可迁移性,构建ZrO₂多构型数据集,测试26个预训练模型,发现零样本预测存在几何依赖型误差,对比不同训练策略,指出适配低配位离子纳米结构需多样目标数据与物理验证。
2026-08-10 cond-mat.mes-hall cond-mat.mtrl-sci physics.comp-ph
Modeling changes in atomic structure around a vacancy with increasing temperature and calculation of temperature dependences of vacancy characteristics in bcc iron
National Research Nuclear University MEPhI(莫斯科国立核能研究大学);National Research Center "Kurchatov Institute"(库尔恰托夫国家研究中心)
本文提出自然恒温器算法模拟温度对原子间距离的影响,发现含空位系统中前十个配位球半径随温度线性增加,但系数不同于完美晶体热膨胀系数,并计算了bcc铁中空位形成能与弛豫体积的温度依赖性,对精确计算原子扩散系数具有重要意义。
2025-10-18 cond-mat.mtrl-sci
PET-MAD, a lightweight universal interatomic potential for advanced materials modeling
Laboratory of Computational Science and Modeling(计算科学与建模实验室)
PET-MAD是一种轻量级通用机器学习原子间势,通过系统增强原子多样性的数据集训练,在无机固体、分子和有机材料上达到与最先进模型相当的精度,并支持高效微调以实现量子力学精度。
2025-08-04 cond-mat.mtrl-sci cs.LG physics.chem-ph
Upscaling DFT-trained machine-learning interatomic potential toward Quantum Monte Carlo accuracy: Sulfur-vacancy migration in monolayer MoS$_2$ as a testbed
Institute of Informatics, Slovak Academy of Sciences(斯洛伐克科学院信息学研究所);Faculty of Informatics and Information Technologies, Slovak University of Technology(斯洛伐克技术大学信息技术学院);Computational Science Division, Argonne National Laboratory(阿贡国家实验室计算科学部);Institute of Physics, Slovak Academy of Sciences(斯洛伐克科学院物理研究所)
本文提出了一种训练机器学习原子势的方法,以达到量子蒙特卡洛的精度,通过多保真度方法结合高精度QMC能量和处理后的低精度DFT原子力,显著提升了能量和原子力的准确性,并在单层MoS₂中的硫空位迁移测试中展示了接近QMC的精度。
2026-05-21 cond-mat.mtrl-sci
Study the quantum resolution sizes and atomic bonding states of two-dimensional tin monoxide
本研究采用密度泛函理论结合键能、键电荷模型分析二维SnO的键合与电子特性,还通过重整化方法确定不同量子分辨率下的波函数,深化了对二维材料表面局域键合态及纳米材料尺寸相变的认知。
2025-01-12 cond-mat.mtrl-sci
Proper Orthogonal Descriptors for Efficient and Accurate Interatomic Potentials
我们提出了适当的正交描述符的有效和准确的表示的势能面。势能面表示为参数化势的多体展开式,其中势是原子位置和参数的函数。采用KL展开将参数化势分解为一组正交描述子(POD)。由于KL展开的快速收敛性,相关的快照可以被穷举地采样,以用少量的描述符准确地表示原子邻域环境。适当的正交描述符被用来开发原子间的潜力,通过使用线性扩展的描述符,并确定从加权最小二乘回归对密度泛函理论(DFT)的训练集的扩展系数。我们提出了一个全面的评价POD电位对以前发表的DFT数据集,包括Li,Mo,Cu,Ni,Si,Ge和Ta元素。这些数据集代表了金属、过渡金属和半导体的多样性。POD势的准确性与最先进的机器学习势(例如光谱近邻分析势(SNAP)和原子团簇展开(ACE))的准确性相当。
2022-08-10 cond-mat.mtrl-sci
Atomic-scale expressions for viscosity and fragile-strong behavior in metal alloys based on the Zwanzig-Mountain formula
我们将$T$依赖的过冷液体粘度的推压模型与高频剪切模量的Zwanzig-Mountain公式相结合,使用金属合金的MD模拟的$g(r)$作为输入。该方案导致作为温度的函数的粘度的半解析表达式,其提供了计算$g(r)$的相同合金的粘度的实验数据的三参数模型拟合。该模型提供了直接访问的影响,原子尺度的物理量,如原子间的潜力$ϕ(r)$,粘度和脆强的行为。特别是,它建立了一个陡峭的原子间排斥导致脆弱的液体,或者相反,“软原子使强液体”。
2020-07-24 cond-mat.dis-nn cond-mat.mtrl-sci cond-mat.soft
Machine-Learning-Based Interatomic Potentials for Group IIB to VIA Semiconductors: Towards a Universal Model
本文开发了覆盖19种IIB至VIA族半导体的统一深度学习原子间势DPA-Semi模型,以DFT数据训练并验证其达到GGA级精度,可作为迈向通用半导体原子间势的预训练模型。
2024-05-07 cond-mat.mtrl-sci physics.comp-ph
Unifying interatomic potential, g(r), elasticity, viscosity, and fragility of metallic glasses: analytical model, simulations, and experiments
提出了一个分析框架来描述金属玻璃的弹性,粘性和脆性与它们的原子级结构和有效的原子间相互作用。自下而上的方法首先基于径向分布函数g(r)的玻尔兹曼反演和通过简单的幂律近似拟合$g(r)$的短程部分来形成有效的Ashcroft-Born-Mayer原子间势。幂指数$λ$表示全局排斥陡度参数。导出了原子连接性与堆积分数$Z \sim ϕ^{1+λ}$之间的标度关系。这种关系,然后实现在晶格动力学模型的高频剪切模量的有效相互作用的吸引力的非谐部分被考虑到通过热膨胀系数映射到一个$T$的依赖的$ϕ$-依赖。然后在玻璃化转变的协同剪切模型内使用以这种方式计算的作为温度的函数的剪切模量,以产生在整个Angell图上作为$T$的双指数函数的过冷熔体的粘度。该模型,它只有一个可调参数(高频笼变形的特征原子体积)进行测试,对新的实验数据的ZrCu合金,并提供了一个很好的单参数描述的粘度下降到玻璃化转变温度。
2016-08-12 cond-mat.dis-nn cond-mat.mtrl-sci cond-mat.soft
Capturing long-range interaction with reciprocal space neural network
Fudan University(复旦大学);Shanghai Qi Zhi Institute(上海期智研究院);State Key Laboratory of ASIC and System(专用集成电路与系统国家重点实验室)
机器学习(ML)原子间模型和势函数已广泛应用于材料模拟。在某些离子体系中,长程相互作用往往占主导地位,其动力学行为受到显着影响。然而,大多数ML原子间势并没有考虑库仑势和范德威尔士势等长程效应。为了解决这个问题,我们提出了一种方法,可以考虑长程效应的大多数ML局域原子间模型与倒易空间神经网络。该方法首先将实空间中的结构信息转换到倒易空间中,然后将其编码为具有完整原子相互作用的倒易空间势或全局描述子。倒易空间势和描述子保持了欧氏对称性和胞元选择的完全不变性。利用倒易空间信息,ML原子间模型可以扩展到描述长程相互作用势,不仅包括库仑相互作用,还包括其他任何长程相互作用。一个模型NaCl系统考虑库仑相互作用和GaxNy系统的缺陷,以说明我们的方法的优点。同时,我们的方法有助于提高一些全局性质的预测精度,如带隙,其中超出局部原子环境的全原子相互作用起着非常重要的作用。总之,我们的工作扩展了当前ML原子间模型和势在处理长程效应时的能力,从而为精确预测全局性质和大规模动态模拟缺陷系统铺平了新的道路。
2022-11-30 cond-mat.mtrl-sci cs.LG physics.chem-ph
Accelerating Amorphous Alloy Discovery: Data-Driven Property Prediction via General-Purpose Machine Learning Interatomic Potential
本文开发了首个面向非晶合金的通用机器学习原子间势,基于20400个构型训练,在能量和力预测上达到近DFT精度,可准确预测密度、杨氏模量和玻璃化转变温度等宏观性质,为数据驱动设计和高通量成分筛选奠定基础。
2025-08-16 cond-mat.mtrl-sci
Some Relationships for the Inter-Atomic Potential Models Describing the Interaction between the Chemically Different Type Atoms
三参数Lenard-Jones和Morse原子间相互作用势是最简单的两种势,可以用来获得液体和固体物质的热物理性质。通过调整模型参数使之符合实际物质的性质,原子间相互作用势可以很好地描述简单的单组分物质。通常,这些树参数可以从纯化学结晶材料的实验获得的内聚能、体积模量和摩尔体积数据或晶格参数中找到。在本文中,在化学性质不同的原子的情况下,对于Lenard-Jones势类型和Morse势类型,或任何其他三参数势类型,我们提出了一些方便的模型关系表示相应的三个参数通过以前发现的纯化学元素。
2022-09-28 cond-mat.mtrl-sci
Fast proper orthogonal descriptors for many-body interatomic potentials
本文提出快速本征正交描述符算法,使多体原子间势的计算复杂度相对于邻居数由指数级降为线性,并在钽的DFT数据集上验证。
2022-12-29 cond-mat.mtrl-sci
Machine-learning interatomic potential for molecular dynamics simulation of ferroelectric KNbO3 perovskite
铁电钙钛矿材料在压电器件中的应用已经有几十年的历史,其中,环境友好的无铅(K,Na)NbO3基材料最近被证明是可持续发展的优秀候选材料。分子动力学是研究铁电钙钛矿材料动力学性质的一种通用的理论计算方法。然而,由于传统的原子间相互作用势的构造是相当困难和低效的,因此铁电钙钛矿的分子动力学模拟一直局限于简单的系统。在本研究中,我们通过使用深度神经网络模型构建了KNbO3(作为(K,Na)NbO3的代表系统)的机器学习原子间相互作用势。将第一性原理计算数据加入到训练数据集中,保证了原子间相互作用势的量子力学精度。基于机器学习的原子间相互作用势的分子动力学与第一性原理计算表现出良好的一致性,可以准确地预测多个基本性质,原子力、能量、弹性性质和声子色散。此外,原子间作用势在模拟畴壁和温度相关的相变方面表现出令人满意的性能。基于机器学习的原子间相互作用势的构造方法有可能应用到其他钙钛矿结构的铁电材料中,从而有利于铁电材料的理论研究。
2022-03-02 cond-mat.mtrl-sci
Atomistic modeling of uranium monocarbide with a machine learning interatomic potential
Los Alamos National Laboratory(洛斯阿拉莫斯国家实验室);Oak Ridge National Laboratory(橡树岭国家实验室)
本研究通过机器学习互原子势能函数建模铀单碳化物,实现了对其结构、热物理性质及扩散行为的高效预测,为反应堆燃料认证提供了计算工具。
2026-02-13 cond-mat.mtrl-sci