A Multiscale Approach to Determination of Thermal Properties and Changes in Free Energy: Application to Reconstruction of Dislocations in Silicon
我们介绍了一种方法，利用物理系统的多层次描述的存在，从根本上加快热力学量的测定。我们首先用两个经验的原子间相互作用势函数证明了该方法的原理。然后，我们应用该技术从原子间势的信息，否则无法访问的量子力学紧束缚计算的重建在有限温度下的硅中的部分位错。有了这种方法，在有限的温度下进行全面的从头算研究将成为可能。
1998-05-24 cond-mat.mtrl-sci cond-mat.stat-mech
Interatomic Fe-H potential for irradiation and embrittlement simulations
氢在铁和铁合金中的行为是物理学和材料科学许多领域的研究热点。为了实现对含Fe-H相互作用体系的大规模分子动力学模拟，我们基于密度泛函理论计算，发展了Tersoff-Brenner形式的Fe-H相互作用势.所得到的解析势不仅适用于模拟Fe中的H，也适用于模拟小的FeH分子，而且可以直接与我们之前构建的不锈钢Fe-Cr-C体系的解析势相结合。这将允许模拟，例如，碳氢化合物分子化学在钢表面上的应用。在目前的工作中，我们施加的潜力来模拟氢致脆化在单晶体铁和铁双晶体与晶界。在这两种情况下，氢被发现软化材料。
2016-04-11 cond-mat.mtrl-sci
Phosphorus-based lubricant additives on iron with Machine Learning Interatomic Potentials
Università di Bologna（博洛尼亚大学）；TotalEnergies（道达尔能源）
本研究通过机器学习分子动力学模拟分析了三种基于磷的润滑剂添加剂在铁表面的摩擦学性能，揭示了分子结构对摩擦特性的影响及优化设计策略。
2025-12-29 cond-mat.mtrl-sci
Multiscale modeling of hydrogen diffusion in iron considering the effect of dislocations
本研究通过多尺度方法分析铁中氢扩散，考虑位错对扩散张量的影响，揭示位错通过微应力降低扩散率并破坏各向同性。
2025-06-25 cond-mat.mtrl-sci
Modeling changes in atomic structure around a vacancy with increasing temperature and calculation of temperature dependences of vacancy characteristics in bcc iron
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
Multiscale simulation of atomic structure in the vicinity of nanovoids and evaluation of the shifting rates of the void surface elements in bcc iron and aluminum
我们使用一种新的变体的分子静力学模拟不同尺寸的纳米空洞附近的结构，其中在纳米空洞附近的原子结构和定义放置在弹性连续体中的原子的位移的参数在主计算单元周围的自洽的方式确定。然后，我们模型的不同晶面的表面结构。其次，得到了垂直于空泡表面的空泡表面单元移动速率的动力学方程。这些方程考虑了空位通量对应变和晶面表面能的依赖性。在下一节中，我们应用所获得的表达式和模拟结果来计算不同结晶方向的空洞表面元素的移动速率。体心立方和面心立方金属在不同结晶方向上的位移速率明显不同，并且对于该<100>方向，位移速率大大低于其他方向。
2022-02-01 cond-mat.mtrl-sci
PASS: Perturbation augmented space group structure sampling for transferable Fe-O machine learning interatomic potential
Delft University of Technology（代尔夫特理工大学）；Institute of Mechanics, Chinese Academy of Sciences（中国科学院力学研究所）
本研究提出PASS方法生成Fe-O体系小晶胞数据集，基于ACE框架开发可迁移MLIP，经多性质验证，可用于大规模Fe氧化模拟。
2026-11-02 cond-mat.mtrl-sci physics.comp-ph
Machine Learning-Driven Structure Prediction for Iron Hydrides
本研究创建结合机器学习原子间势与最小跳跃算法的计算工作流，生成氢化铁通用机器学习势并探索其不同压力下的能量景观，通过结构预测重现已知结构并发现新低焓结构，证实方法有效性。
2023-11-10 cond-mat.mtrl-sci
Atomistic Graph Neural Networks for metals: Application to bcc iron
基于从头算精确模拟的晶体的原子结构和性质（包括缺陷）的预测对于揭示控制金属的微观和宏观行为的纳米尺度机制是必不可少的。密度泛函理论（DFT）可以实现对这些性质中的一些性质的量子精确预测，但是计算成本很高，因此仅限于约1,000个原子的系统。为了以量子精度预测涉及数千到数百万个原子的纳米级结构的力学行为，最近开发了机器学习原子间势。在这里，我们探索了基于图神经网络（GNNs）的一类新的原子间势的性能，这是深度学习的一个最新研究领域。两个国家的最先进的GNN模型被认为是，SchNet和DimeNet，并在广泛的铁磁性体心立方铁的DFT数据库上训练。我们发现，包括三体项的DimeNet GNN Fe势可以用DFT精度再现状态方程和贝恩路径，以及缺陷配置（空位和表面）。据我们所知，这是GNN再现体心立方铁中缺陷能量学的能力的第一次证明。我们提供了DimeNet的开源实现，可用于训练其他金属系统，以进一步探索GNN功能。
2021-09-28 cond-mat.mtrl-sci
Lattice dynamical calculations of infinite layer iron oxides SrFeO2 and CaFeO2
我们报告了新发现的无限层铁氧化物SrFeO2和CaFeO2的广泛的晶格动力学计算。对于SrFeO2，原子间势的参数已被确定，以重现使用从头计算报告的带中心声子频率。此外，我们已经扩展了潜在的CaFeO2的计算模型。势参数被发现是可转移的两种化合物之间，并被用来计算在整个布里渊区的声子谱和这些化合物的一些热力学性质。计算结果与原子结构、热膨胀和均方振幅的实验数据吻合较好。
2008-07-04 cond-mat.mtrl-sci
On-the-Fly Machine Learning of Interatomic Potentials for Elastic Property Modeling in Al-Mg-Zr Solid Solutions
本研究通过即时机器学习与MACE神经网络构建Al-Mg-Zr固溶体原子间势，高效预测弹性质，与实验偏差在几GPa内，为铝合金设计提供可靠工具。
2025-08-08 cond-mat.mtrl-sci physics.comp-ph
Development of an Atomic Cluster Expansion potential for iron and its oxides
Max Planck Institute for Sustainable Materials（马克斯·普朗克可持续材料研究所）；Interdisciplinary Centre for Advanced Materials Simulations, Ruhr Universität Bochum（波鸿鲁尔大学跨学科高级材料模拟中心）
本文提出基于原子簇展开的机器学习势，用于建模铁氧系统，考虑磁性，验证其在铁及其氧化物的热力学描述中的能力。
2024-07-18 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
Saturation and negative temperature coefficient of electrical resistivity in liquid iron-sulfur alloys at high densities from first principles calculations
我们报告的电子输运性质的液体Fe-S合金在行星核心的条件下，计算的第一性原理技术的Kubo-Greenwood形式主义的结果。我们描述了电阻率饱和由于温度，压缩，和化学的综合效应，通过比较电子平均自由程从德鲁德响应的光学电导率的平均原子间距离。在高压缩和高硫浓度下，满足Ioffe-Regel条件，电阻率温度系数由正变负。我们表明，这是由于在费米能级响应于热加宽的$d$ -态密度的减少。
2018-03-07 cond-mat.mtrl-sci
Deep-potential enabled multiscale simulation of gallium nitride devices on boron arsenide cooling substrates
本文利用机器学习深度势能对BAs-GaN异质结构进行多尺度模拟，揭示其265 MW m⁻²K⁻¹的超高界面热导及晶粒尺寸与边界热阻的竞争关系，为高效散热电子器件设计提供新途径。
2024-01-24 cond-mat.mtrl-sci
A Machine-Learned Spin-Lattice Potential for Dynamic Simulations of Defective Magnetic Iron
发展了一种机器学习的磁性铁的自旋-晶格原子间相互作用势（MSLP），并将其应用于介观尺度缺陷。它是通过增加一个自旋晶格哈密顿与神经网络项训练的描述符表示的混合本地原子配置和磁环境。它再现了具有各种磁状态的BCC和FCC相的结合能。它预测了点缺陷的形成能和复杂的磁结构，与密度泛函理论（DFT）定量一致，包括缺陷核心附近的磁矩的反转和猝灭。居里温度是通过自旋晶格动力学计算的，在高温下显示出良好的计算稳定性。势被应用于研究相当大的位错环附近的磁涨落。MSLP超越了目前使用DFT和分子动力学的治疗，并超越了其他自旋晶格势，只处理接近完美的晶体情况。
2022-05-10 cond-mat.dis-nn cond-mat.mtrl-sci physics.atom-ph
Uncertainty Quantification for Misspecified Machine Learned Interatomic Potentials
针对机器学习原子间势因模型误设导致不确定性被低估的问题，采用误设感知回归技术量化参数不确定性并传播至钨的相与缺陷性质，稳健包络训练集外 ab initio 计算误差，并成功预测与界定 MACE-MPA-0 能量误差。
2025-03-03 cond-mat.mtrl-sci
Multiscale approach for modeling magnetization properties of inhomogeneous ultrathin magnetic layers
本文提出一种多尺度方法，将粗糙超薄铁层建模为由纳米收缩区耦合的宏自旋系综，揭示表面形貌对磁化动力学和转变温度的显著影响，为接近实验现实地模拟完整自旋电子器件提供了途径。
2024-10-23 cond-mat.mtrl-sci
To crack, or not to crack: How hydrogen favors crack propagation in iron at the atomic scale
本研究通过分子动力学模拟揭示氢在铁中促进裂纹扩展的机制，发现氢扩散和表面能变化是导致脆化的关键因素，并提出改进的格里菲斯准则。
2025-12-14 cond-mat.mtrl-sci
Physically Interpretable Interatomic Potentials via Symbolic Regression and Reinforcement Learning
本文通过符号回归和强化学习构建可解释的原子间势能函数，显著提高了材料性质预测的准确性和物理意义。
2025-11-25 cond-mat.mtrl-sci
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
Atomistic fracture in bcc iron revealed by active learning of Gaussian approximation potential
体心立方（bcc）铁的原子断裂机制的预测是理解其半脆性的本质。现有的基于经典原子间作用势的I型载荷下裂纹尖端变形机制的原子模拟产生了相互矛盾的预测。为了使断裂预测与量子精度，我们开发了一个高斯近似势（GAP）使用主动学习策略，通过扩展铁磁体心立方铁的密度泛函理论（DFT）数据库。我们应用主动学习算法，并获得一个Fe GAP模型的最大预测误差为8毫电子伏/原子在广泛的应力强度因子（SIF）和四个裂纹系统。分析了该方法的学习效率，并将预测的临界应力强度因子与Griffith和Rice理论进行了比较。模拟结果表明，在T= 0 K时，{100}和{110}裂纹面的裂尖机制均为沿原裂纹面的解理，从而解决了一个长期存在的争论。我们的工作还强调了需要一个多尺度的方法来预测断裂和内在的延展性，有限的温度，有限的加载速率的影响和预先存在的缺陷（如纳米空隙，位错）应明确考虑。
2022-09-14 cond-mat.mtrl-sci
Magnetic bond-order potential for iron-cobalt alloys
本研究提出一种适用于铁钴合金的解析磁性键序势，经DFT数据拟合后可准确描述Fe-Co体系的电子结构、结构稳定性等特性，适用于大规模原子模拟。
2023-05-08 cond-mat.mtrl-sci
Multiscale mechanics of thermal gradient coupled graphene fracture: A molecular dynamics study
本研究通过非平衡分子动力学模拟，探究热梯度下石墨烯断裂的力学行为，发现断裂应力与裂纹长度非线性相关，并验证了MLIP势的适用性，为石墨烯非平衡断裂研究提供新视角。
2023-05-15 cond-mat.mes-hall cond-mat.mtrl-sci cond-mat.stat-mech
Data-driven Material Models for Atomistic Simulation
在经典的分子动力学模拟中，中心近似是用来计算原子间作用力的原子间势。使用传统方法构造可行的函数形式并找到精确的参数化势需要付出巨大的努力和独创性。机器学习已经成为一种有效的替代方法来开发准确和强大的原子间相互作用势。从一个非常一般的模型形式开始，势直接从电子结构计算的数据库中学习，因此可以被视为量子和经典原子模拟之间的多尺度联系。在可以直接比较这两种方法的狭窄的时间和长度范围之外，存在外推不准确的风险。在这项工作中，我们使用了频谱邻居分析潜力（SNAP），并展示了如何以最小的插值误差产生拟合，这在训练之外的外推中也是鲁棒的。为了证明该方法，我们已经开发了一个新的钨铍电位适用于所有范围的二元组合物。随后，对高能Be原子注入到固体钨（001）表面的过程进行了大尺度分子动力学模拟。新机器学习的W-Be势产生了与缺陷形成能量的量子计算一致的注入结构群。预测了一个非常浅（<2nm）的平均Be注入深度，这可以解释在铍的存在下，ITER分流器退化。
2019-03-18 cond-mat.mtrl-sci physics.comp-ph
A unified machine-learning framework for ab initio multiscale modeling of liquids
Yusuf Hamied Department of Chemistry, University of Cambridge（剑桥大学尤素夫·哈米德化学系）；Department of Chemistry, Durham University（杜伦大学化学系）
本文提出一种结合机器学习势能与神经经典密度泛函理论的统一框架，用于预测液体在不同尺度上的行为，提升计算效率并揭示热力学特性。
2026-07-09 cond-mat.mtrl-sci cond-mat.other cond-mat.stat-mech
Efficiency, Accuracy, and Transferability of Machine Learning Potentials: Application to Dislocations and Cracks in Iron
University of Groningen（格罗宁根大学）；University of Cambridge（剑桥大学）
本文研究了机器学习势在大系统模拟中的效率、精度和可迁移性，通过铁的体心立方结构验证了其在位错和裂纹预测中的应用，展示了其在塑性和断裂特性中的表现，并探讨了不同数据库、ML包和截断半径对预测结果的影响。
2023-11-06 cond-mat.mtrl-sci
Deciphering diffuse scattering with machine learning and the equivariant foundation model: The case of molten FeO
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Argonne National Laboratory（阿贡国家实验室）
本文以熔融 FeO 为例，评估等变基础模型 MACE-MP-0 从漫散射数据推断无序结构的能力，显示其有望突破经典原子间势的局限。
2024-03-01 cond-mat.mtrl-sci cs.LG
A nuclear-quantum-corrected machine-learning potential reveals quantum-enhanced hydrogen segregation at general grain boundaries in alpha-iron
Nippon Steel Corporation（日本钢铁株式会社）
该研究开发核量子修正的机器学习势NQC-PACE，通过巨正则模拟发现α-铁一般晶界处氢偏聚因核量子效应显著增强，为含轻元素量子效应的材料大规模分析提供了方法
2026-08-18 cond-mat.mtrl-sci quant-ph
Efficient training of machine learning potentials for metallic glasses: CuZrAl validation
本文提出一种结合Lennard-Jones替代模型、swap-Monte Carlo采样与DFT修正的高效MLIP训练方法，在CuZrAl金属玻璃上验证其能以少量DFT数据准确复现结构、动力学、能量及力学性能。
2025-07-22 cond-mat.dis-nn cond-mat.mtrl-sci
Bridging Grain Mapping and Dark Field X-ray Microscopy for Multiscale Diffraction Imaging
针对多晶材料缺陷研究中介观尺度晶粒映射与高分辨晶格畸变成像的互补性缺失问题，提出可迁移统一框架，借助开源软件实现样品无需重新定向的跨方法数据转换与DFXM靶向成像，在铁多晶中验证了效率与分辨率，并实现多平台迁移，为跨尺度缺陷研究提供新途径。
2025-08-25 cond-mat.mtrl-sci physics.app-ph
Activation entropy of dislocation glide in body-centered cubic metals from atomistic simulations
本文通过机器学习原子间势计算铁和钨中螺位错扭折对成核的激活吉布斯能，发现激活熵基本恒定，并据此建立与实验一致的热激活屈服应力模型，质疑经典势模拟中熵效应被高估的问题。
2025-07-03 cond-mat.mtrl-sci
Computational Insights into PEMFC Durability: Degradation Mechanisms, Interfacial Chemistry, and the Emerging Role of Machine Learning Potentials
Organization for Research and Development of Innovative Science and Technology, Kansai University（关西大学创新科学技术研发组织）；Department of Chemistry and Materials Engineering, Faculty of Chemistry, Materials and Bioengineering, Kansai University（关西大学化学·材料·生物工程学院化学与材料工程系）
本文通过计算模型探讨PEMFC退化机制，分析化学、机械、电化学及污染驱动的退化过程，并提出多尺度建模和机器学习势的应用方向。
2026-03-27 cond-mat.mtrl-sci physics.chem-ph
On-demand phase-field modeling: Three-dimensional Landau energy for HfO2 through machine learning
本研究利用机器学习技术构建HfO2的三维Landau能量模型，揭示了反极模式对极性模式的耦合行为及表面效应的影响。
2025-12-18 cond-mat.mtrl-sci
