基于信息不平衡选择玻璃态动力学的相关结构特征
Selecting Relevant Structural Features for Glassy Dynamics by Information Imbalance
AI总结：
本文采用信息不平衡技术，以有监督和无监督方式从物理描述符中筛选出与玻璃形成液体动力学非均匀性相关的结构特征，并结合机器学习预测未来动力学，为揭示玻璃态缓慢动力学的主导机制提供了新方法。
摘要：
我们通过数值模拟研究了识别相关结构特征的方法，这些特征对模型玻璃形成液体中的动力学非均匀性有贡献。通过采用最近提出的信息不平衡技术，我们从一系列基于物理动机的描述符中选择了这些特征。该选择过程以有监督方式（使用动力学和结构数据）和无监督方式（仅使用结构数据）进行。随后，我们利用机器学习技术应用所选特征来预测未来动力学。最后，我们讨论了该方法在识别主导玻璃态缓慢动力学的机制方面的潜在应用。
英文摘要：
We investigate numerically the identification of relevant structural features that contribute to the dynamical heterogeneity in a model glass-forming liquid. By employing the recently proposed information imbalance technique, we select these features from a range of physically motivated descriptors. This selection process is performed in a supervised manner (using both dynamical and structural data) and an unsupervised manner (using only structural data). We then apply the selected features to predict future dynamics using a machine learning technique. Finally, we discuss the potential applications of this approach in identifying the dominant mechanisms governing the glassy slow dynamics.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
