Physically-informed artificial neural networks for atomistic modeling of materials
材料的大规模原子计算机模拟在很大程度上依赖于预测原子上的势能和牛顿力的原子间势。传统的原子间相互作用势是基于物理直观的，但包含的可调参数很少，通常是不准确的。新兴的机器学习（ML）潜力实现了在大型DFT数据库中的能量之间的高度精确的插值，但是，作为纯粹的数学构造，对未知结构的可移植性较差。我们提出了一种新的方法，可以大大提高ML潜力的可转移性，通过通知他们的物理性质的原子间键合。这是通过结合一个相当普遍的物理为基础的模型（分析键级潜力）与神经网络回归。该网络在模拟过程中根据单个原子的局部环境动态调整基于物理的模型的参数。这种方法，被称为物理知情的神经网络（PINN）的潜力，证明了通过开发一个通用的PINN潜在的铝。潜力提供了DFT级的能量预测精度和良好的协议与实验和DFT数据的广泛的物理性质。我们认为，基于物理的ML势的发展是原子模拟领域最有效的前进方向。
2019-01-22 cond-mat.mtrl-sci
The structure and migration of twin boundaries in tetragonal $β$-Sn: an application of machine learning based interatomic potentials
本文开发并公开适用于 Sn 的 MTP 与 RANN 机器学习原子间势，结合 TEM、原子模拟和双晶学揭示 β-Sn 孪晶界刻面结构及剪切耦合迁移机制。
2025-05-13 cond-mat.mtrl-sci
Identifying interatomic potentials for the accurate modeling of interfacial segregation and structural transitions
界面处的化学偏析和结构转变是重要的纳米级现象，使它们成为原子建模的天然目标，但原子间势必须适合次级物理性质。为了分离原子间势必须捕获的重要因素，以便准确地模拟这种行为，针对Cu-Zr系统评估了四种原子间势的性能，并使用实验观察来提供验证。虽然实验结果表明强Zr偏析到晶界区域和纳米级非晶络合物的形成在高温和/或掺杂剂组合物，各种不同的行为可以观察到在混合Monte Carlo/分子动力学模拟的掺杂，这取决于所选择的潜力。能够重新创建正确行为的电势准确地再现了混合焓以及键能，为探索具有原子模型的界面现象提供了路线图。最后，我们用我们的观察，找到一个可靠的潜在的Ni-Zr系统，并表明，这种合金也应该能够维持无定形的肤色。
2018-02-07 cond-mat.mtrl-sci
EZFF: Python Library for Multi-Objective Parameterization and Uncertainty Quantification of Interatomic Forcefields for Molecular Dynamics
原子间力场的参数化是进行分子动力学模拟的第一步。这是一个非平凡的全局优化问题，涉及针对一个或多个属性的多个经验变量的量化。我们提出了EZFF，一个轻量级的Python库的参数化的几种类型的原子间力场实现在几个分子动力学引擎对多个目标，使用遗传算法为基础的全局优化方法。EZFF方案提供了独特的功能，例如由多个力场相互作用组成的混合力场的参数化以及力场参数中不确定性的内置量化，并且可以很容易地扩展到其他力场功能形式以及MD引擎。
2020-09-30 cond-mat.mtrl-sci physics.comp-ph
The atomistic representation of first strain-gradient elastic tensors
本文导出了任意多重晶格第一应变梯度弹性线性化理论中弹性张量的原子表示。除了经典的（2nd-Piola）应力张量和弹性模量张量之外，这些张量还包括三阶双应力张量、混合弹性模量的五阶张量和应变梯度弹性模量的六阶张量。原子表示是封闭形式的解析表达式，表示原子间势相对于原子间距离的一阶和二阶导数，以及相对原子位置的并矢积。此外，所有的表达式都是局部的，在这个意义上，它们只依赖于晶格位置的原子邻域。我们的研究结果源于能量连续和原子的晶体表示之间的等价条件，当后者的运动学是由柯西-玻恩规则。利用导出的表达式，我们证明了如果格基允许中心对称，则奇阶张量为零。的解析表达式实现为一个KIM兼容的算法来计算各种材料的应变梯度弹性张量。数值结果比较了文献中立方晶体，包括简单晶格和多晶格的代表性的原子间相互作用势。我们观察到，中心势表现出广义柯西关系的秩六张量的应变梯度弹性模量。此外，这个张量被发现是不确定的许多潜力。我们讨论了不确定性与材料稳定性之间的关系。最后，原子表示专门用于简单格中的中心势。这些表达式与分析潜力研究的敏感性的弹性张量的截止半径的选择。
2016-08-01 cond-mat.mtrl-sci
Atomistic simulations of nanoindentation in single crystalline tungsten: The role of interatomic potentials
计算建模通常用于辅助先进材料的实验探索，以更好地理解力学测试过程中的基本塑性机制。在这项工作中，我们进行分子动力学（MD）模拟模拟实验室的球形纳米压痕晶体W矩阵不同的原子间的潜力：EAM，修改的EAM，和最近开发的机器学习基于制表高斯近似势（tabGAP）描述的W-W的相互作用。结果表明，载荷位移和应力-应变曲线之间的相似性，无论数值模型。然而，在弹性到塑性形变转变的早期阶段观察到的差异，显示出不同的机制，位错的形核和演化，这是由于伯格斯矢量大小的差异，堆垛层错和位错滑移能。此外，还考虑了大压头尺寸下的接触压力，对加载过程中的螺位错和刃位错进行了详细的分析。此外，我们还计算了在所有原子间相互作用势下这种位错的滑移势垒，结果表明，tabGAP模型的计算结果与密度泛函理论的计算结果相比是最精确的，并且与已有的实验数据定性一致
2022-12-11 cond-mat.mtrl-sci physics.comp-ph
Cartesian atomic moment machine learning interatomic potentials
本文提出完全在笛卡尔空间构建机器学习原子间势的CAMP方法，通过原子矩张量与图神经网络结合，在多种体系的分子动力学模拟中实现了与领先模型相当或更优的精度、效率和稳定性。
2025-05-02 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
Atomistic modeling of bulk and grain boundary diffusion in solid electrolyte Li$_6$PS$_5$Cl using machine-learning interatomic potentials
针对Li₆PS₅Cl晶界扩散模拟的计算挑战，开发基于质量水平的主动学习方案构建MTPs，研究其两种倾斜和一种扭转晶界的稳定性与扩散系数，发现晶界扩散系数介于有序与无序体相之间且与实验数据匹配。
2024-07-31 cond-mat.mtrl-sci
Assessment of interatomic potentials for atomistic analysis of static and dynamic properties of screw dislocations in W
体心立方金属中的螺型位错在零温下表现出非平面的核心，这导致高的晶格摩擦和热激活应变速率行为。在体心立方W，电子结构分子静力学计算揭示了一个紧凑的，非简并的核心与相关的Peierls应力在1.7和2.8 GPa之间。然而，位错的动力学行为的全貌只能通过使用更有效的原子模拟的基础上半经验的原子间势。在本文中，我们评估了五种不同的电位在纯钨中螺旋位错的静态性质方面的适用性。同时，我们利用这五种势函数对应力辅助滑移进行了分子动力学模拟，研究了剪切应力下螺位错的动力学行为。位错被认为是显示热激活的运动在大部分的施加的应力范围内，在高应力下的粘性阻尼制度的逐渐过渡。我们发现，一个潜在的预测从紧凑的核心转变到解离在有限的温度下，影响扭结对生产的能量学和影响的运动机制。我们的结论是，一个修改后的嵌入原子的潜力实现了最好的妥协，静态和动态的螺旋位错属性，虽然在约10倍的费用相比，中央电位。
2012-12-21 cond-mat.mes-hall cond-mat.mtrl-sci
Uncertainty quantification design principles for machine learning interatomic potentials: lessons learned from hierarchical Bayesian inference
Warwick Centre for Predictive Modelling, School of Engineering, University of Warwick（华威大学工程学院预测建模中心）
本文以氩气耦合簇数据为基准，对比MACE和高斯过程势的UQ策略，提出分层GP势，兼顾误差区分与保守性，为MLIP不确定性量化提供设计原则。
2026-09-18 cond-mat.mtrl-sci physics.chem-ph
On phase separation and crystallization of Ge-rich GeSbTe alloys from atomistic simulations with a machine learning interatomic potential
University of Milano-Bicocca（米兰比可卡大学）
本文提出一种机器学习互原子势，用于模拟Ge富GeSbTe合金的相分离与结晶过程，揭示短时间操作条件下动力学效应导致的非平衡相变机制。
2026-04-15 cond-mat.dis-nn 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
Uncertainty Quantification and Propagation in Atomistic Machine Learning
该研究在概率建模统一框架下综述原子机器学习的不确定性量化与传播方法，梳理方法分类、评估指标、基准研究及下游模拟中的传播应用，指出挑战与未来方向。
2024-08-20 cond-mat.mtrl-sci
Machine learning interatomic potentials for solid-state precipitation
Laboratory of materials design and simulation (MADES), Institute of Materials, École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院材料研究所材料设计与模拟实验室）；National Centre for Computational Design and Discovery of Novel Materials (MARVEL), École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院国家新材料计算设计与发现中心）
本文提出了一种用于建模多组分合金共析反应的机器学习互原子势参数化方法，通过误差度量和数据生成方案提升了模型的准确性，并揭示了时效热处理中晶格结构的连续转变。
2026-01-19 cond-mat.mtrl-sci
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
Realistic atomistic structure of amorphous silicon from machine-learning-driven molecular dynamics
非晶硅（a-Si）是一种被广泛研究的非晶体材料，但其原子结构的细微细节仍然不清楚。在这里，我们表明，a-Si的准确结构模型可以通过利用机器学习算法的力量来创建原子间势来获得。我们最好的a-Si网络是通过在分子动力学模拟中以10 $^{11}$ K/s的速率（即在10 ns的时间尺度上）从熔体冷却获得的。该结构示出了低于2%的缺陷浓度，并且与关于过量能量、衍射数据以及$^{29}$ Si固态NMR化学位移的实验一致。我们表明，这种质量水平是不可能实现更快的淬火模拟。然后，我们生成了一个4,096个原子的系统，该系统正确地再现了结构因子中第一个尖锐衍射峰（FSDP）的大小，与迄今为止的实验结果最接近。我们的研究证明了机器学习原子间相互作用势对阐明非晶功能材料的准确结构和性质的更广泛影响。
2018-03-07 cond-mat.mtrl-sci
Active learning of linearly parametrized interatomic potentials
本文介绍了一种主动学习的方法来拟合机器学习原子间相互作用势。我们的方法是基于D-最优性标准选择原子配置上的潜在的拟合。结果表明，所提出的主动学习方法是非常有效的训练潜力的飞行，确保没有外推尝试，并导致一个完全可靠的原子模拟没有任何显着降低精度。我们将我们的方法应用于分子动力学和结构弛豫，我们认为，它可以适用于，在原则上，任何其他类型的原子模拟。软件、测试用例和使用示例发布在http://gitlab.skoltech.ru/shapeev/mlip/上。
2017-08-22 cond-mat.mtrl-sci physics.comp-ph
Statistical methods for resolving poor uncertainty quantification in machine learning interatomic potentials
本研究提出基于统计学的误差与不确定性截止值方法，解决机器学习原子间势中不确定性量化不足问题，并在主动学习基准中验证其通用性，实现以更低成本生成MLIP数据集。
2023-08-29 cond-mat.mtrl-sci
TorchSim: An efficient atomistic simulation engine in PyTorch
TorchSim是基于PyTorch的开源原子模拟引擎，通过重写核心原语并支持批处理并发模拟，为机器学习原子间势提供数量级加速，高效利用现代GPU并支持可微模拟。
2025-08-08 cond-mat.mtrl-sci physics.comp-ph
Discrepancies and Error Evaluation Metrics for Machine Learning Interatomic Potentials
针对MLPs在MD模拟中低平均误差却难以再现原子动力学等问题，本文识别其与从头算方法的差异，提出基于稀有事件的定量评估指标，并证明其可提升多性质预测。
2023-09-29 cond-mat.mtrl-sci
Bayesian, frequentist, and information geometric approaches to parametric uncertainty quantification of classical empirical interatomic potentials
在本文中，我们考虑的问题，量化参数的不确定性在经典的经验原子间相互作用势（IP）使用贝叶斯（马尔可夫链蒙特卡罗）和频率论（轮廓似然）的方法。我们将这些工具与原子间模型的开放知识库相结合，并研究了基于Lennard-Jones，Morse和Stillinger-Weber势的三种模型。我们确认IP通常是草率的，即，对某些参数组合的协调变化不敏感。由于这类模型的反问题是病态的，参数是不可识别的。这对传统的统计方法提出了挑战，因为我们在贝叶斯和频率论框架内进行了演示和解释。我们使用信息几何来阐明这种现象的根本原因，并表明IP具有类似于系统生物学，电力系统和临界现象等领域的草率模型的全局属性。IP对应于具有层次宽度的有界流形，导致模型中的有效维数较低。我们展示了如何信息几何可以激发新的，自然的参数化，提高稳定性和解释的不确定性量化分析，并进一步建议简化，不草率的模型。
2022-06-15 cond-mat.mtrl-sci physics.data-an
Graphene buffer layer on Si-terminated SiC : a multi-minima energy surface studied with an empirical interatomic potential
采用改进的环境相关原子间相互作用势（EDIP）研究了Si端SiC上石墨烯缓冲层的原子结构。用共轭梯度法研究平衡态存在复杂的多极小能面问题。因此，提出了一个专用的程序，以提供一个合适的初始配置的方式最小。其结果是形成了一个六边形图案与不粘杆释放与表面的失配。该结构与实验得到的全局模式一致，甚至与从头计算的细节一致。
2009-12-10 cond-mat.mtrl-sci
First-principles interatomic potentials for ten elemental metals via compressed sensing
原子间相互作用势在分子动力学等原子模拟中有着广泛的应用。最近，已经提出了将系统的一组密度泛函理论（DFT）计算与机器学习技术相结合来构建精确的原子间势的框架。这些方法之一是使用压缩传感来导出原子间势的稀疏表示。这有利于控制原子间相互作用势的精度。在这项研究中，我们证明了压缩传感的适用性，以获得原子间的潜力的十种元素金属，即银，铝，金，钙，铜，镓，铟，钾，锂和锌。对于每种元素金属，原子间势是从DFT计算使用弹性网络回归。原子间势的能量、力和应力张量的预测误差分别小于3.5 meV/atom、0.03 eV/atom和0.15 GPa，从而能够准确预测晶格常数和声子色散关系等物理性质.
2015-05-15 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
Bayesian Neural Networks versus deep ensembles for uncertainty quantification in machine learning interatomic potentials
Leitat Technological Center（Leitat技术中心）；Universitat de Barcelona（巴塞罗那大学）；Utrecht University（乌得勒支大学）；ICREA (Institucio Catalana de Recerca i Estudis Avançats)（加泰罗尼亚研究与高等研究院）
本文在aenet-PyTorch框架中实现变分推断贝叶斯神经网络，并与深度集成在TiO2结构数据集上系统比较，评估两者在机器学习原子间势中预测不确定性的表现。
2026-06-23 cond-mat.mtrl-sci physics.chem-ph
A stochastic framework for atomistic fracture
我们提出了一个随机建模框架的原子传播的模式I表面裂纹，原子相互作用根据Lennard-Jones原子间势在零温度。具体来说，我们调用柯西玻恩规则和最大熵原理来推断原子间势参数的概率分布。然后，我们研究如何传播的参数的不确定性有关的裂纹扩展，即，临界应力强度因子和晶格俘获范围的感兴趣的量。对于我们的数值研究，我们依赖于所谓的数值连续增强柔性边界（NCFlex）算法的自动化版本。
2021-04-29 cond-mat.mtrl-sci cs.NA math.NA
Self-optimized construction of transition rate matrices from accelerated atomistic simulations with Bayesian uncertainty quantification
提出了一种从温度加速分子动力学轨道建立大规模跃迁速率矩阵的大规模并行方法。贝叶斯马尔可夫模型分析用于估计在已知状态空间中的预期停留时间，为更高尺度的模拟方案（如动力学Monte Carlo或簇动力学）提供关键的不确定性量化。估计器还用于优化进行探索的位置和飞行中的温度加速程度，给出了探索复杂系统的状态空间的自主的最优过程。该方法进行了测试，对完全可解的模型，并用于探讨铁中C15间隙缺陷的动力学。我们的不确定性量化方案允许在几秒钟的时间尺度上对这些缺陷的演变进行精确建模。
2018-03-07 cond-mat.mtrl-sci physics.comp-ph
Uncertainty Quantification in Atomistic Modeling of Metals and its Effect on Mesoscale and Continuum Modeling A Review
通过集成计算材料工程（ICME）方法设计下一代合金依赖于多尺度计算机模拟，以在难以进行实验时提供热力学性质。原子方法，如密度泛函理论（DFT）和分子动力学（MD）已经成功地预测了以前从未研究过的化合物或相的性质。然而，由于计算和UQ方法的挑战，DFT和MD结果的不确定性量化（UQ）很少报道。在过去的十年中，出现了一些缩小这一差距的研究。这些进展的背景下，热力学模拟和信息交换的中尺度方法，如相场法（PFM）和相图计算（CALPHAD）。UQ的重要性说明使用金属的属性，铝作为一个例子，并突出确定性，频率和贝叶斯方法。常规不确定性量化面临的挑战和解决这些问题的前景。
2020-09-28 cond-mat.mtrl-sci physics.comp-ph
Interatomic potential for the compound-forming Li-Pb liquid alloy
液态合金的原子模拟面临着正确模拟基本热力学性质的挑战。本文给出了Li-Pb体系的原子间相互作用势，并对Li-Pb合金的物理性质进行了研究。尽管复杂性，由于锂铅是一个化合物形成系统，预计电荷转移，我们在这里展示了如何的经验EAM形式主义是能够令人满意地描述在很宽的范围内的锂浓度的几个物理性质。应用我们的潜力，锂铅共晶，使我们能够正确地预测许多物理性质的实验观察和计算与从头算技术，以这种方式提供了一个潜在的适合未来的研究背景下的氚增殖毯设计聚变技术。
2013-09-24 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
Complex strengthening mechanisms in nanocrystalline Ni-Mo alloys revealed by a machine-learning interatomic potential
纳米晶金属的强度随着其晶粒尺寸的减小而显著增加，这种现象称为Hall-Petch关系。然而，当颗粒变得太小时，这种关系就破裂了。实验研究已经通过稳定晶界（GB）在一组Ni-Mo合金中规避了这个问题。在这里，使用基于机器学习的原子间势（ML-IAP）的原子模拟，我们证明了逆Hall-Petch关系可以正确地再现，这是由于在Ni-Mo多晶中晶粒变小时主导变形机制的变化。据发现，原子冯米塞斯应变可以显着降低通过溶质掺杂和/或退火的小晶粒尺寸的多晶体，导致多晶体的强度增加。另一方面，对于大晶粒尺寸的多晶体，退火由于GB区域中的大的原子运动而弱化材料。在很宽的晶粒尺寸范围内，溶质和退火效应的叠加使小晶粒的强度比大晶粒的强度提高得多，从而导致在极小晶粒尺寸下的连续强化。总的来说，这项研究不仅证明了ML-IAP的可靠性，而且还提供了纳米晶体中复杂强化机制的全面原子观，开辟了一条新的途径来定制其机械性能。
2023-02-17 cond-mat.mtrl-sci
Machine Learning Interatomic Potential for Anisotropic Thermal Transport in Bulk Hexagonal Boron Nitride
层状材料中的高度各向异性热导率对于广泛的应用至关重要，例如电子设备的热管理、热绝缘和热电。对层状材料各向异性热输运的理解在很大程度上依赖于基于密度泛函理论（DFT）或经验势的原子模拟，然而，这些方法的计算效率或精度较低。最近，机器学习原子间相互作用势（MLIPs）正在成为弥合这一差距的强大工具。尽管最近在开发MLIP方面取得了进展，但很少有人关注构建一个可以准确预测层状材料热性能的势函数，这与各向同性材料相比更具挑战性，因为层状材料中的高度各向异性键合和弱范德华相互作用。在这里，我们介绍了一个MLIP内的高斯近似势（GAP）的框架内的块状六方氮化硼（h-BN）具有典型的层状结构。GAP可以很好地预测高度各向异性的声子输运性质和体相h-BN的热导率与DFT水平的精度在数量级降低成本。我们的工作证明了GAP能够再现块状h-BN和潜在的其他层状材料的各向异性势能面的细微特征。基于MLIP的原子模拟有望极大地促进对层状材料中声子输运的理解和热物理性质的预测。
2022-08-22 cond-mat.mtrl-sci
Atomistic Model Potential for PbTiO3 and PMN by Fitting First Principles Results
我们已经开发了一个壳模型势来描述PbTiO 3和PbMg 1/3 Nb 2/3 O 3（PMN）通过拟合第一性原理的结果。在零压力下，该模型再现了PbTiO 3的温度行为，但具有比实验观察到的更小的转变温度。然后，我们拟合的壳模型势的基础上的原子间的潜力复杂的PMN。我们发现，即使是有序的中性粒细胞，淬火的结构给出了一个非极性状态，但与局部极化（偏离中心的离子）指示的弛豫行为。
2006-03-13 cond-mat.mtrl-sci
Electrostatic treatment of charged interfaces in classical atomistic simulations
人工静电势可以存在于为离子晶体中的表面和界面的原子模拟而构造的超晶胞中。处理的离子作为点电荷，我们系统地推导出一个静电形式主义的模型系统的复杂性不断增加，中性和带电，无论是开放或周期性的边界条件。这允许正确地解释直接受这些潜在的外观影响的经典原子模拟的结果。我们证明了我们的方法的例子中的钛酸锶（SrTiO $_3$）的超级电池包含一个不对称的倾斜晶界。基于原子间刚性离子势计算了带电氧空位的形成能和弛豫界面结构，并考虑静电效应对计算结果进行了分析。
2022-05-16 cond-mat.mtrl-sci
A method for atomistic spin dynamics simulations: implementation and examples
我们提出了一种方法进行原子自旋动力学模拟。进行模拟，如运动方程，模型，包括温度，提取数据的方法和数值方案进行模拟的所有相关细节的全面总结。该方法可以应用于第一原理模式，其中所有原子间交换是自洽计算的，或者它可以应用于从实验中估计的冻结参数或针对固定的自旋配置计算的冻结参数。不同的磁性问题的潜在应用领域进行了讨论。最后，该方法被应用到一种情况下，宏观自旋模型打破，在超强磁场中的磁开关。
2008-06-10 cond-mat.mtrl-sci
Artificial neural network interatomic potential for dislocation and fracture properties of Molybdenum
建立了一个基于人工神经网络的钼原子间相互作用势模型。为了训练和验证潜在的密度泛函理论计算与断裂相关的结构和性质，如弹性常数、表面能、广义堆垛层错能和表面脱粘能。在训练数据集和验证数据集上，该势提供的总能量均方根误差小于5 meV/原子.该势被应用于研究螺位错核特性以及进行大规模断裂模拟。计算结果表明，1/2 $\langle111\rangle$螺型位错核是对称的非退化位错核，Ⅰ型断裂是脆性断裂。可以预期，这样构造的势是非常适合于应用于大规模的塑性和断裂的原子计算。
2021-12-09 cond-mat.mtrl-sci
Model-free quantification of completeness, uncertainties, and outliers in atomistic machine learning using information theory
Lawrence Livermore National Laboratory（劳伦斯利弗莫尔国家实验室）；University of California（加州大学）
提出基于信息论的无模型理论框架，利用原子中心环境分布的信息熵量化原子机器学习中的信息内容，实现可靠的认知不确定性预测与分布外样本检测。
2024-09-18 cond-mat.mtrl-sci cs.LG physics.chem-ph
Atomistic mechanism of graphene growth on SiC substrate: Large-scale molecular dynamics simulation based on a new charge-transfer bond-order type potential
碳化硅的热分解是制备石墨烯的一种有前途的方法。然而，石墨烯的原子生长机制仍然不清楚。本文介绍了一种新的电荷转移原子间相互作用势的发展。具有各种各样的特征的碳键可以通过所提出的矢量化键级项来再现。大规模的热分解模拟使我们能够观察到多环碳结构的连续生长过程。退火模拟揭示了多环碳结构转变为仅涉及6元环的平坦石墨烯的原子过程。此外，发现碳化硅衬底的表面原子增强了均匀石墨烯的形成。
2018-02-22 cond-mat.mtrl-sci
Machine-learning interatomic potentials for materials science
材料的大规模原子计算机模拟依赖于原子间势，提供能量和牛顿力的计算有效预测。传统的潜力已担任这一职务超过三十年。最近，出现了一类新的势，它基于一种完全不同的哲学。新的潜力是使用机器学习（ML）方法和量子力学计算产生的大量参考数据库构建的。虽然传统势是从对化学键本质的物理见解中推导出来的，但ML势利用高维数学回归来在参考能量之间进行插值。我们回顾了原子间势场的现状，比较了传统势和ML势的优缺点。引入了第三类势，其中ML模型与基于物理的势耦合，以提高对未知原子环境的可转移性。讨论的重点是潜在的材料科学的应用。概述了这一领域未来可能的方向。
2021-06-03 cond-mat.mtrl-sci
Model Accuracy and Data Heterogeneity Shape Uncertainty Quantification in Machine Learning Interatomic Potentials
Department of Materials Science and Engineering, Faculty of Mechanical Engineering, Delft University of Technology（材料科学与工程系，机械工程学院，代尔夫特理工大学）；J. Mike Walker’66 Department of Mechanical Engineering, Texas A&M University（J. Mike Walker’66机械工程系，德克萨斯农工大学）；Department of Materials Science & Engineering, Texas A&M University（材料科学与工程系，德克萨斯农工大学）
本研究探讨了机器学习原子间势中不确定性量化的两种策略，发现模型精度和数据异质性影响其性能，并提出聚类增强的局部D-最优性方法以改善异质性数据集上的新颖性检测。
2025-08-05 cond-mat.mtrl-sci cs.LG
Revisiting quantum effects on dislocation glide in bcc metals from DFT calculations and machine-learning potentials
ASNR/PSN-RES/SEMIA/LSMA Centre d’études de Cadarache（法国原子能和替代能源委员会卡达拉舍研究中心）；Université Paris-Saclay, CEA, Service de recherche en Corrosion et Comportement des Matériaux, SRMP（巴黎萨克雷大学，法国原子能和替代能源委员会材料腐蚀与行为研究服务处）；Univ. Lyon, UCBL, Institut Lumière Matière, UMR CNRS 5306（里昂大学，里昂第一大学，光物质研究所）
通过DFT和机器学习势重新评估量子零点效应对bcc金属低温位错滑移的影响，发现其贡献远小于先前报道，不足以弥合原子模拟与实验的差距。
2026-09-04 cond-mat.mtrl-sci
A Simple and Scalable Kernel Density Approach for Reliable Uncertainty Quantification in Atomistic Machine Learning
提出基于k近邻核密度估计的GPU加速不确定性量化框架，在PCA降维描述符空间中检测稀疏区域，提供模型无关的不确定性度量，经多案例验证能可靠标记外推配置，提升材料科学ML模型的可靠性。
2025-08-20 cond-mat.mtrl-sci physics.chem-ph
Ferroelectric Properties and Topological Polar Textures of PbTiO$_3$ from a Second-Principles Open-Source Interatomic Potential
本文提出一种开源全原子第二性原理原子间势，用于准确模拟PbTiO3的畴壁动力学和拓扑纹理形成，为大规模高精度铁电材料模拟提供高效框架。
2025-06-10 cond-mat.mtrl-sci
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
Coupled structural and magnetic properties of ferric fluoride nanostructures part I: a Metropolis atomistic study
提出了一种改进的Metropolis原子模拟来模拟离子纳米结构系统中的晶界（GBs）和界面的结构，并将其应用于三氟化铁（FeF 3）的磁性有趣的情况。我们选择了长程原子间的潜力调整实验结果，并适应了以前建立的Monte Carlo计划，包括各种修改的模拟退火/大都市算法。扭曲和倾斜的GBs的原子结构作为晶粒的相对取向差的函数已经实现，产生接近实验测量的属性。这种方法考虑了远离界面的晶粒结构，以限制晶粒的相对取向，而没有任何周期性的边界条件。得出的结论是，一个长程库仑衰减的原子间势是必要的，以获得GB结构呈现正确的局部拓扑结构，但从结晶到非晶态的平滑过渡。最后从拓扑结构和局部磁结构两个方面讨论了其结构特征。
2010-03-25 cond-mat.mes-hall cond-mat.mtrl-sci
Large-scale cooperative sulfur vacancy dynamics in two-dimensional MoS2 from machine learning interatomic potentials
Technische Universität Ilmenau（伊尔梅瑙工业大学）；Institute of Micro- and Nanotechnologies（微纳技术研究所）；Christian-Albrechts-Universität zu Kiel（基尔大学）
本研究通过机器学习互原子势模拟揭示了二维MoS2中大规模协同硫空位传输机制，解释了实验观测到的辐照诱导空位模式，并对比了两种MLIP框架的性能。
2025-08-19 cond-mat.mtrl-sci
Sintering of Alumina Nanoparticles: Comparison of Interatomic Potentials, Molecular Dynamics Simulations, and Data Analysis
氧化铝纳米颗粒的烧结无论是从基础研究的角度还是从工业应用的角度都是令人感兴趣的。原子模拟是为理解和预测时间和温度相关的烧结行为而量身定制的。然而，这种分析的质量和可预测性在很大程度上取决于底层原子间相互作用势的性能。在这项工作中，我们调查和基准四个经验原子间的潜力，并讨论由此产生的性能和缺点的基础上，实验和密度泛函理论的数据从文献中。然后，在分子动力学模拟中使用具有不同起源和配方的电势来对烧结过程进行系统的研究。为了分析结果，我们开发了一些量身定制的数据分析方法，能够对烧结过程进行建模和量化。随后，在烧结行为预测的潜力的差异进行了批判性的讨论。最后，我们得出结论，提供解释的潜力，以及分子动力学烧结模拟氧化铝的建议的性能差异。
2022-02-14 cond-mat.mtrl-sci
Machine-learning based interatomic potential for amorphous carbon
我们引入了高斯近似势（GAP）的液态和无定形元素碳的原子模拟。基于密度泛函理论（DFT）势能面的机器学习表示，这种原子间势使材料模拟具有接近DFT的精度，但计算成本要低得多。我们首先确定的最大精度，任何有限范围的潜力可以实现在碳结构，然后，使用一种新的层次设置的两个，三个，和多体结构描述符，我们构建了一个GAP模型，确实可以达到目标的准确性。潜力产生准确的能量和结构特性在很宽的密度范围内，它也正确地捕捉液相的结构，在与国家的最先进的经验潜力的差异。提出了GAP模型在“类金刚石”四面体无定形碳（ta-C）表面上的示例性应用，包括无定形材料的表面能的估计和高温表面重构（“石墨化”）的模拟。新的原子间相互作用势似乎是有前途的现实和准确的模拟纳米级无定形碳结构。
2016-11-10 cond-mat.mtrl-sci
Spontaneous formation of thermodynamically stable Al--Cu--Fe icosahedral quasicrystal from realistic atomistic simulations
在Al-Cu-Fe合金的模拟中，二十面体准晶从熔体中自发形成.基于密度泛函理论（DFT）衍生的能量和力的数据库，我们使用调谐到特定合金系统的振荡对势来模拟原子间的相互作用。精细的原子间分离与重叠的二十面体图案的几何形状对齐，以在长度尺度的层次结构上创建面心二十面体顺序。分子动力学模拟，辅以蒙特卡罗步骤交换化学物种，有效地采样的配置空间，我们的模型，达到9846个原子。交换独立轨迹的温度（副本交换）使我们能够在低温下实现热平衡。通过优化结构和组成，我们创建的结构，其DFT能量达到$\sim$ 2 meV/原子的竞争晶相的能量。通过添加由于谐波和非谐波振动，化学取代无序，相位子和电子激发的贡献获得的自由能，表明准晶在600 K以上的温度下变得稳定，对抗竞争相。平均结构可以简洁地描述为六维空间中的原子表面的切割，其揭示了优选化学占据的特定模式。混合化学占领的原子表面区域展示了相子波动的扩散，这可以在真实空间中通过大规模二十面体图案的形成、溶解和重组来观察--由于平均无序和随之而来的关于占据相关性的信息丢失，这幅图被隐藏在衍射细化中。
2019-08-09 cond-mat.mtrl-sci
Comparative study of ensemble-based uncertainty quantification methods for neural network interatomic potentials
Brigham Young University（杨百翰大学）；University of Electronic Science and Technology of China（电子科技大学）；University of Minnesota（明尼苏达大学）；Cross Stream Consulting（Cross Stream 咨询公司）
系统评估集成不确定性量化方法在分布内和分布外场景中预测精度与准确性的关系，发现不确定性估计在分布外可能反常，警示其作为准确性代理的局限性。
2026-08-14 cond-mat.mtrl-sci physics.data-an
Ductility mechanisms in complex concentrated refractory alloys from atomistic fracture simulations
通过原子尺度断裂模拟，发现复杂浓缩难熔合金的延性受成分复杂性影响，NbMoTaW促进位错成核，Nb45Ta25Ti15Hf15通过位错积累提高抗裂性。
2025-02-25 cond-mat.mtrl-sci
Atomistic modeling of the anomalous helium behaviors in vanadium
在“s-带“模型框架下，采用从头计算方法研究了He原子在钒中的基本行为，并建立了V-He体系原子间相互作用势的数据库.计算了四面体、八面体和替位He缺陷的形成能，以及He 2，通过与实验结果和相同条件下的从头计算结果的比较，证明了He_3和He_2V团簇是合理的，并讨论了V-He势在原子模拟中对He_3和He_2V团簇运动、团簇、与铁和钨中的结果相似，间隙He原子在钒中可以快速迁移。然而，He原子聚集成具有低结合能的团簇，并且He原子的捕获在很大程度上依赖于钒中预先存在的陷阱。
2016-02-25 cond-mat.mtrl-sci
AI2Pot: A scalable and unified framework for machine-learning interatomic potential development and large-scale molecular dynamic simulations
School of Materials Science and Engineering, Beihang University（北京航空航天大学材料科学与工程学院）
研究针对现有MLIP软件碎片化问题，提出可扩展统一框架AI2Pot。通过重新设计核心计算，集成模型训练等与PyTorch生态，实现快速推理与灵活开发。提供工具包和API，为大规模MD的MLIP开发等提供用户友好的端到端框架。
2026-07-21 cond-mat.mtrl-sci
