Benchmarking Universal Machine Learning Interatomic Potentials for Real-Time Analysis of Inelastic Neutron Scattering Data
针对声子计算成本高的挑战,本文构建了近5000种无机晶体的声子数据库,对多种通用机器学习原子间势进行基准测试,并应用于分析实验性非弹性中子散射数据,揭示了其优势与局限性。
2025-06-02 cond-mat.mtrl-sci physics.comp-ph
Ab initio phonon dispersion curves and interatomic force constants of barium titanate
用第一性原理方法计算了立方BaTiO_3的声子色散曲线,并与实验结果进行了比较。所得曲线与Yu和Krakauer [Phys.Rev.Lett. 74,4067(1995)]。他们揭示了相关的原子位移沿<100>链的铁电不稳定性的起源。一个简化的模型表明,当十几个排列的原子耦合时,会发生自发的集体位移。最近邻的Ti和O原子之间的纵向原子间力常数相对较弱,在相邻的细胞中的Ti原子之间的比较。然而,Ti和O位移之间的小耦合似乎是再现铁电不稳定性所必需的。
1997-06-30 cond-mat.mtrl-sci
Probing the Interatomic Potential of Solids by Strong-Field Nonlinear Phononics
中红外频率的飞秒光脉冲开辟了固体晶格振动的非线性控制。到目前为止,所有的应用都依赖于二阶声子非线性,这是占主导地位的场强接近1 MVcm-1。在这种情况下,非线性声子可以瞬时改变平均晶格结构,并随之改变材料的功能。在这里,我们实现了一个数量级的场强增加,并探讨高阶晶格非线性。我们在LiNbO 3中驱动多达5个声子谐波的A1模式。相敏测量的原子轨迹在这个制度被用来实验重建的原子间的潜力和基准从头计算这种材料。高阶非线性声子对自由能表面的层析成像将影响材料研究的许多方面,包括经典和量子相变的研究。
2017-08-25 cond-mat.mtrl-sci physics.optics
Ligand-Controlled Phonon Dynamics in CsPbBr3 Nanocrystals Revealed by Machine-Learned Interatomic Potentials
Georgia Institute of Technology(佐治亚理工学院);Queens College, City University of New York(纽约市立大学皇后学院);The Graduate Center, City University of New York(纽约市立大学研究生中心)
研究通过机器学习势揭示配体对CsPbBr3纳米晶声子动力学的影响,发现阳离子和阴离子配体系统性地红移Pb-Br-Pb伸缩模式并蓝移PbBr6^4-八面体旋转模式,为高性能钙钛矿纳米晶光电子器件提供设计原理。
2026-03-17 cond-mat.mtrl-sci
Construction and Tuning of CALPHAD Models Using Machine-Learned Interatomic Potentials and Experimental Data: A Case Study of the Pt-W System
本研究提出开源高效的PhaseForgePlus工作流,结合机器学习势与实验数据构建校准CALPHAD模型,以Pt-W体系验证其可通过梯度优化快速得到准确相图的吉布斯能描述。
2025-08-01 cond-mat.mtrl-sci physics.comp-ph
Benchmarking phonon anharmonicity in machine learning interatomic potentials
本文以 ThO$_2$ 的 DFT 非谐振动哈密顿量和分子动力学数据为基准,评估三类 MLIP 对声子相互作用、线宽、线移及热导率的表征能力。
2024-02-29 cond-mat.mtrl-sci
PFT: Phonon Fine-tuning for Machine Learned Interatomic Potentials
University of California, Berkeley(加州大学伯克利分校)
提出声子微调(PFT)方法,通过监督二阶力常数来优化机器学习原子间势(MLIP)的曲率,显著提升声子热力学性质预测精度。
2026-05-30 cond-mat.mtrl-sci cs.LG
Phonon-Mediated Thermal Transport in Nanocrystalline Silicon Using Machine-Learning Interatomic Potentials
International Iberian Nanotechnology Laboratory (INL)(伊比利亚纳米技术国际实验室);Universitat de Barcelona (UB)(巴塞罗那大学);Institute of Nanoscience and Nanotechnology (IN2UB)(纳米科学与技术研究所);Catalan Institute of Nanoscience and Nanotechnology (ICN2), CSIC and BIST(加泰罗尼亚纳米科学技术研究所(ICN2), 西班牙国家研究委员会和巴塞罗那智能科技学院);Nanomaterials and Nanotechnology Research Center (CINN-CSIC), Universidad de Oviedo (UO)(纳米材料与纳米技术研究中心(CINN-CSIC), 奥维耶多大学)
研究结构复杂材料中声子介导热输运难题,结合高斯近似势、多原子团簇展开模型等,开发机器学习框架模拟纳米晶硅热输运,计算相关参数,揭示晶界热边界电阻特性,相比传统势,该框架描述更准确自洽,利于低维材料热输运建模。
2026-08-18 cond-mat.mes-hall cond-mat.mtrl-sci
Partitioning interatomic force constants for first-principles phonon calculations: Applications to NaCl, PbTiO$_3$, monolayer CrI$_3$, and twisted bilayer graphene
第一性原理声子计算已被广泛用于研究凝聚态物质的振动性质,其中动力学矩阵通常通过超原胞力常数计算或线性响应方法构建。通过不同的方式,可以在两种方法中引入超原胞。除非超原胞足够大,否则内插声子性质高度依赖于超原胞的形状和大小,并且强加的周期性可能会产生容易被忽视的非物理结果。沿着这条线,分区的力常数的概念进行了讨论,并解决了NaCl,PbTiO $_3$,单层CrI $_3$,和扭曲的双层石墨烯作为例子,说明所施加的超晶胞周期性的影响。为了减少非物理效应,一个简单的划分力常数的方法,它只依赖于平移对称性和原子间的距离,被证明是能够提供合理的结果。分区方法也是兼容的混合空间的方法来描述LO-TO分裂。适当的分区对于研究中等大小的低对称性系统(例如衬底上的二维材料)尤其重要,并且对于使用原子基函数的第一性原理包中的声子计算的实施非常有用,其中对称操作通常不适用于大规模计算。
2020-07-05 cond-mat.mtrl-sci
PySlice: Routine Vibrational Electron Energy Loss Spectroscopy Prediction with Universal Interatomic Potentials
Vanderbilt University(范德堡大学);Oak Ridge National Laboratory(橡树岭国家实验室);University of Virginia(弗吉尼亚大学);University of Washington(华盛顿大学);Uppsala University(乌普萨拉大学)
PySlice通过整合通用机器学习原子间势能与TACAW方法,提供自动化框架实现振动电子能损谱预测,使声子物理研究和材料探索成为常规任务。
2026-02-10 cond-mat.mtrl-sci physics.comp-ph
Fine-tuning of universal machine-learning interatomic potentials for high-entropy alloys with application to 2D (Mo,Ta,Nb,W,V)S$_2$
University of Oulu(奥卢大学)
本文研究了通用机器学习互原子势在二维过渡金属硫化物高熵合金中的适用性,开发了有效的微调策略,通过系统生成和选择训练结构,验证了微调模型在预测混合能方面的高精度。
2026-08-04 cond-mat.mtrl-sci physics.comp-ph
Dynamical Matrices and Interatomic-Force Constants from Wave-Commensurate Supercells
我们采用标准的,第一性原理计算的晶格动力学的谐波近似的一个完整的治疗。该算法利用简单的“冻结声子”方法计算振动光谱,并解决了该方法的一些局限性。我们处方的有效性与晶体结构无关。它以一般的方式对待极性晶体,并将原子间的力常数纳入考虑的超晶胞之外。对于一系列材料,声子色散表现出与实验的密切一致,这是现在的第一原理方案的特点。石墨,Si和GaAs的结果。
2004-07-13 cond-mat.mtrl-sci
Nonlocality and Strength of Interatomic Interactions Inducing the Topological Phonon Phase Transition
本研究采用四种解析原子间力常数模型分析纤锌矿GaN和AlN,发现非局域相互作用和IFC强度的变化能诱导拓扑声子相变,且非局域相互作用的影响更为显著。
2024-07-23 cond-mat.mtrl-sci
Efficient and Accurate Machine Learning Interatomic Potential for Graphene: Capturing Stress-Strain and Vibrational Properties
本研究提出一种基于AIMD大规模数据集训练的石墨烯反应性机器学习原子间势,可精准复现其力学与振动特性,计算随系统规模线性扩展,兼具稳健性与可迁移性,配套训练流程可推广至其他材料。
2025-05-17 cond-mat.mtrl-sci physics.comp-ph
Experimentally Exploring the Interatomic Potential in a Ferroelectric Crystal via Optimal Ultrafast Lattice Control
我们提出了一个直接的比较共振太赫兹(THz)和非共振脉冲受激拉曼散射(ISRS)激发的声子极化激元在铁电锂离子。THz激发提供了选择性地仅将前向传播的声子-极化激元模式驱动到极高振幅的优点,而没有由于在拉曼激发中使用的高800 nm泵浦注量下的非线性过程而引起的复杂化。在峰-峰太赫兹电场强度超过1 MV/cm时,铁电晶格被驱动到非谐状态,从而允许实验确定势能面的形状。
2017-01-31 cond-mat.mtrl-sci
Variations of Interatomic Force Constants in the Topological Phonon Phase Transition of AlGaN
本研究通过VCA和SQS方法揭示AlGaN合金中Weyl声子相变及其非线性特征,发现应变和特定力常数分量主导相变,为氮化物拓扑声子研究提供微观机制。
2023-10-16 cond-mat.mtrl-sci
Target-Distribution-Guided Cross-Functional Fine-Tuning of Machine-Learning Interatomic Potentials
The University of Tokyo(东京大学);Japan Atomic Energy Agency(日本原子能机构)
针对跨泛函微调中配置分布不匹配问题,提出基于自学习混合蒙特卡洛的目标分布引导工作流,以金红石TiO2为测试系统将MACE-MP-0基础势微调到PBE、r²SCAN和HSE06目标泛函,显著提高了结构热力学性质的准确性。
2026-05-24 cond-mat.mtrl-sci physics.comp-ph
Stability of B2 compounds: Role of the $M$ point phonons
虽然许多二元化合物在热力学相图中具有B2(CsCl型)结构,但结构稳定性的来源还不清楚。在这里,我们专注于从材料项目中提取的B2结构的416个化合物,并从第一性原理研究这些化合物的动力学稳定性。我们证明了B2相位的稳定性取决于布里渊区中$M$点处的最低频率声子是否具有正频率。我们发现,原子间相互作用的第四个最近的邻居原子是必要的稳定这样的声子模式,这应该确定最小的截止半径,以保证精度构建二元化合物的原子间势。
2021-10-30 cond-mat.mtrl-sci
Fine-Tuning Bulk-oriented Universal Interatomic Potentials for Surfaces: Accuracy, Efficiency, and Forgetting Control
Korea Research Institute of Chemical Technology(韩国化学技术研究院);Jeonbuk National University(全北国立大学);Dongguk University(东国大学)
本文通过系统比较从头训练、零样本、常规与多头微调,证明微调预训练通用原子间势能以极少数据提升表面预测精度,并缓解灾难性遗忘。
2025-09-30 cond-mat.mtrl-sci
Parameterizing empirical interatomic potentials for predicting thermophysical properties via an irreducible derivative approach: the case of ThO$_2$ and UO$_2$
Idaho National Laboratory(爱达荷国家实验室);Columbia University(哥伦比亚大学);Los Alamos National Laboratory(洛斯阿拉莫斯国家实验室);The Pennsylvania State University(宾夕法尼亚州立大学);The Ohio State University(俄亥俄州立大学)
本文提出一种基于不可约导数的训练方法,用于优化经验原子间势能,以提高ThO₂和UO₂的热物理性质预测精度,优于传统方法。
2025-02-14 cond-mat.mtrl-sci
Phonon Density of States and Thermodynamic Behavior in Highly Amorphous Media
本文计算了具有短程原子间相互作用势的强非晶材料的声子态密度。指数衰减和突然截断的原子间的潜力进行检查。热激发的均方偏差从平衡计算与快速增加注意到的邻居的平均数量减少。逆参与比(IPR)被用来表征声子态,并确定本地化的声子模式的键合范围(因此,每个原子的邻居的平均数量)减少。对于截断势,IPR直方图的特征在$n_{\mathrm{neigh}}$以下定性地改变,在$n_{\mathrm{neigh}} = 6.0$以下出现局域声子模式。
2010-03-31 cond-mat.dis-nn cond-mat.mtrl-sci
Probing and tuning inelastic phonon conductance across finite-thickness interface
用分子动力学模拟计算了声子在不同结晶固体界面上的传输,得到了原子间的力常数。结果表明,虽然非弹性声子传输权的几何界面可以变得远远大于弹性的,它的贡献的热边界电导(TBC)的过渡区,在界面处的局部声子态恢复体状态在有限的厚度严重限制。这表明TBC可以通过增强过渡区中的声子平衡来增加,例如通过声子散射,这通过增加晶格非谐性来证明。
2015-06-08 cond-mat.mtrl-sci physics.comp-ph
Anharmonic interatomic force constants and thermal conductivity from Grüneisen parameters: an application to graphene
声子介导的热导率,这是很大的技术相关性,根本上是由于原子间势的非谐散射而产生的。尽管其流行,准确的第一性原理计算的热导率仍然具有挑战性,主要是由于非谐原子间力常数(IFC)计算的高计算成本。与此同时,相关的非谐现象热膨胀更容易处理,可以从与晶体变形引起的声子频移相关的Grüneisen参数计算。在这项工作中,我们提出了一种新的方法来计算最大的立方IFC的Grüneisen参数数据。这允许经由便宜得多的途径近似地确定热导率。关键的见解是,尽管Grüneisen参数不可能包含立方IFC的所有信息,但它们仍然可以明确而准确地确定最大和最物理相关的参数。通过沿着明智设计的变形拟合各向异性Grüneisen参数数据,我们可以推导出(即,反向工程)主要立方IFC并估计三声子散射振幅。我们通过明确计算石墨烯的最大立方IFC和热导率来说明我们的方法,特别是对于其表现出极大的非谐位移和热导率贡献的平面外(弯曲)模式。我们的计算石墨烯不仅表现出合理的协议与既定的DFT结果,但也提出了一个教学的机会,引入一个优雅的分析处理的Grüneisen参数的通用两带模型。我们的方法可以很容易地扩展到更复杂的晶体材料与非平凡的非谐晶格效应。
2017-06-21 cond-mat.mtrl-sci physics.comp-ph quant-ph
Bias in Universal Machine-Learned Interatomic Potentials and its Effects on Fine-Tuning
Georgia Institute of Technology(佐治亚理工学院)
研究通用机器学习原子间势在微调中的偏差问题,提出周期性微调方法以生成更通用准确的模型,并通过主成分空间和Q残差分析量化外推不确定性。
2026-06-18 cond-mat.mtrl-sci
Thermal conductivity of monolayer MoS2, MoSe2, and WS2: Interplay of mass effect, interatomic bonding and anharmonicity
声子是理解单层过渡金属二硫属化合物热性质的关键,这限制了其潜在应用的热性能。我们通过第一性原理计算研究了MoS 2、MoSe 2和WS 2的晶格动力学和热力学性质。得到的声子频率和热导率与测量值吻合得很好。我们的研究结果表明,二硫化钼的热导率是最高的三种材料中,由于其低得多的平均原子质量。我们还讨论了质量效应、原子间成键和非简谐振动在决定WS 2热导率方面的竞争。WS 2中的强共价W-S键合和低非谐性被认为是理解其比MoSe 2高得多的热导率的关键。
2015-09-04 cond-mat.mes-hall cond-mat.mtrl-sci
Lattice thermal conductivity and mechanical properties of the single-layer penta-NiN2 explored by a deep-learning interatomic potential
本研究构建深度学习原子间势,结合分子动力学模拟系统探究新型二维材料penta-NiN₂的热学与力学性能,分析多因素对其性能的影响,验证了深度学习势在该类材料研究中的有效性。
2024-03-06 cond-mat.mes-hall cond-mat.mtrl-sci
Ab initio Investigation of Thermal Transport in Insulators: Unveiling the Roles of Phonon Renormalization and Higher-Order Anharmonicity
Indian Institute of Science(印度科学学院)
本文通过从头计算方法研究绝缘体中的热传输现象,揭示了声子简并和高阶非谐性在热传导中的作用,提出了自洽声子简并方法和改进的非谐性处理方法。
2024-02-05 cond-mat.mtrl-sci physics.comp-ph
An AI-ready fine-tuning framework for accurate machine-learning interatomic potentials in solid-solid battery interfaces
本文提出FIRE框架,通过整合回放与效率的微调方法,实现固-固电池界面的高精度机器学习互原子势建模,显著提升预测准确性与数据效率。
2026-10-01 cond-mat.mtrl-sci
Development of the temperature-dependent interatomic potential for molecular dynamics simulation of metal irradiated with an ultrashort pulse laser
激光烧蚀通常由具有不同电子和晶格温度的双温度模型(TTM)来解释。为了实现TTM的经典分子动力学模拟,我们提出了一种扩展的嵌入原子方法来构建一个依赖于电子温度的原子间势。将该方法应用于铜,通过与有限温度密度泛函理论的能量-体积曲线、声子色散、电子热容、烧蚀阈值和原子均方位移等物理性质的比较,证明了该方法的有效性.
2021-12-08 cond-mat.mtrl-sci
Defect-limited thermal transport in AlN using pretrained machine-learning interatomic potentials
Seoul National University(首尔大学);Research Institute of Advanced Materials, Seoul National University(首尔大学先进材料研究所);Center for AI and Natural Sciences, Korea Institute for Advanced Study(韩国高等研究院人工智能与自然科学中心);Incheon National University(仁川国立大学)
本研究利用预训练机器学习原子间势结合分子动力学与玻尔兹曼输运方程,量化了氮化铝中氧缺陷对热导率的限制作用,验证了独立散射近似在低浓度下的有效性,并揭示了高浓度下的偏离现象。
2026-11-19 cond-mat.mtrl-sci
Accelerating point defect photo-emission calculations with machine learning interatomic potentials
本文提出利用通用机器学习原子间势替代DFT计算声子模式,以从头算精度加速光致发光光谱计算,速度提升超一个数量级,并在791个色心及分子发射体上验证了高精度,为缺陷材料高通量筛选铺路。
2025-09-08 cond-mat.mtrl-sci physics.atom-ph physics.comp-ph
Interatomic force constants including the DFT-D dispersion contribution
Grimme的DFT-D色散对原子间力常数的贡献,在密度泛函微扰理论中的声子能带结构的计算所需的,已被解析地导出。然后,实施已被验证相对于冻结声子,并施加在材料上的弱cohesion内聚力发挥主要作用,即氩,石墨,苯。我们表明,这些色散的贡献必须被认为是正确地再现这些材料的实验振动特性,虽然晶格参数的变化,来自基态松弛与适当的功能,诱导最重要的变化相对于治疗没有色散修正。在当前的实施方式中,这些色散校正对动力学矩阵(具有与原子数量的平方成比例的元素数量)的贡献仅具有与原子数量的立方缩放。在实践中,相对于密度泛函计算的过载是小的,使得这种方法有希望研究大色散系统的振动特性。
2018-01-26 cond-mat.mtrl-sci
Length dependence of thermal conductivity by approach-to-equilibrium molecular dynamics
采用原子接近平衡分子动力学方法(AEMD),系统地研究了20多年来不同材料、原子间相互作用势和温度下热导率的长度依赖性.通过比较对于给定的超晶胞长度和最大声子平均自由程(MFP)获得的电导率的值,我们发现,这样的值是强烈相关的,表明AEMD计算与有限长度的超晶胞,实际上探测对应于最大声子MFP的热导率。因此,通常对于较差的热导体(例如无定形二氧化硅)观察到的不太明显的长度依赖性通过其较短的平均声子MFP在物理上是合理的。最后,我们比较了不同的解析外推的电导率无限长,并证明了常用的Matthiessen规则是不适用于AEMD。另一种外推更适合于瞬态时间,有限超胞模拟。这种近似方案也可以用来分类质量不同的原子间相互作用势模型相对于它们的预测实验热导率的能力。
2016-06-17 cond-mat.mtrl-sci physics.comp-ph
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
Accurate estimation of interfacial thermal conductance between silicon and diamond enabled by a machine learning interatomic potential
Imam Khomeini International University(伊玛目霍梅尼国际大学);Institut Lumière Matière, Université Claude Bernard Lyon 1-CNRS, Université de Lyon(光物质研究所,里昂第一大学-CNRS,里昂大学);Chair of Computational Science and Simulation Technology, Institute of Photonics, Department of Mathematics and Physics, Leibniz Universität Hannover(莱布尼茨汉诺威大学计算科学与仿真技术教席、光子学研究所、数学与物理系);School of Energy Science and Engineering, Harbin Institute of Technology(哈尔滨工业大学能源学院)
针对硅-金刚石界面热管理需求,提出用基于DFT训练的机器学习原子间势计算界面热导,经NEMD模拟验证其结果比传统半经验势更贴合实验,还揭示了声子模式贡献与势函数差异的机制,可提升复杂材料热输运模拟的精度与效率。
2024-07-22 cond-mat.mes-hall cond-mat.mtrl-sci
Predicting Crystal Structures and Ionic Conductivities in Li$_{3}$YCl$_{6-x}$Br$_{x}$ Halide Solid Electrolytes Using a Fine-Tuned Machine Learning Interatomic Potential
Université de Bordeaux, CNRS, Bordeaux INP, ICMCB(波尔多大学,法国国家科学研究中心,波尔多国立高等电子、计算机、电信与无线电通信学院,材料化学与分子物理研究所);Réseau sur le Stockage Electrochimique de l’Energie (RS2E), CNRS FR 3459(电化学储能网络(RS2E),法国国家科学研究中心)
本研究通过微调CHGNet模型,预测Li$_{3}$YCl$_{6-x}$Br$_{x}$固态电解质的晶体结构和离子导电性,展示其在复杂固态电解质建模中的有效性。
2026-03-02 cond-mat.mtrl-sci physics.comp-ph
A Performance and Cost Assessment of Machine Learning Interatomic Potentials
局部环境描述符和原子系统的势能面之间的定量关系的机器学习已经成为原子间势(IAP)发展的新前沿。在这里,我们提出了一个全面的评估ML-IAP的基础上四个本地环境描述符-贝勒-帕里内洛对称函数,平滑重叠的原子位置(SOAP),光谱邻居分析潜力(SNAP)的双谱分量,矩张量-使用不同的数据集,使用高吞吐量的密度泛函理论(DFT)计算。选择包括bcc(Li,Mo)和fcc(Cu,Ni)金属和金刚石IV族半导体(Si,Ge)的数据集以跨越晶体结构和键合的范围。所有研究的描述符表现出优异的性能,在预测的能量和力量远远超过经典的IAP,以及预测性能,如弹性常数和声子色散曲线。我们观察到的准确性和每个模型的自由度之间的一般权衡,因此计算成本。我们将在分子动力学和其他应用的模型选择的背景下讨论这些权衡。
2019-07-24 cond-mat.mtrl-sci physics.comp-ph
Benchmarking Universal Machine Learning Interatomic Potentials for Elastic Property Prediction
School of Intelligence Science and Technology, Nanjing University of Science and Technology(南京理工大学智能科学与技术学院);School of Physics, Hefei University of Technology(合肥工业大学物理学院)
本文评估了四种通用机器学习互原子势在弹性质预测中的性能,发现SevenNet表现最佳,通过微调进一步提升了CHGNet的准确性,而MACE的鲁棒性较弱。
2026-03-05 cond-mat.mtrl-sci
An efficient forgetting-aware fine-tuning framework for pretrained universal machine-learning interatomic potentials
针对预训练通用机器学习原子间势微调中的灾难性遗忘问题,提出整合经验回放与弹性权重巩固的reEWC策略,在提升目标材料精度的同时保持泛化能力,实现跨化学体系知识迁移。
2025-06-18 cond-mat.mtrl-sci
Ab initio phonon transport across grain boundaries in graphene using machine learning based on small dataset
建立晶界的结构-性能关系是开发下一代功能材料的关键,但由于其极大的构型空间而受到严重阻碍。具有低计算成本和高预测能力的原子模拟是强烈期望的,但是使用经验原子间相互作用势和密度泛函理论的常规模拟分别遭受缺乏预测能力和高计算成本的问题。最近出现了一种机器学习原子间势(MLIP),但通常需要大量的训练数据集,这使得它成为一种不太可行的方法。在这里,我们证明了用合理设计的小训练数据集训练的MLIP可以以负担得起的计算成本以从头算的准确性预测石墨烯中跨GB的热输运。特别是,我们采用了一种基于结构单元模型的合理方法来找到一小部分可以代表整个配置空间的GB,从而可以作为MLIP的具有成本效益的训练数据集。发现仅5个GB足以代表石墨烯GB的整个构型空间。使用原子格林函数方法和MLIP,我们揭示了石墨烯中的结构-热阻关系并不遵循大位错密度导致更大热阻的普遍理解。事实上,在室温下,热阻几乎与位错密度无关,并且在亚室温下,当位错密度较小时,热阻较高。我们解释了这种有趣的行为与附近的GB屈曲引起的弯曲声子模式的强烈散射。
2021-11-10 cond-mat.mtrl-sci physics.comp-ph
Thermal conductivity of h-BN monolayers using machine learning interatomic potential
热管理材料对于工程小型化电子设备至关重要,其中这种材料的理论设计需要评估热导率,这在数值上是昂贵的。在这项工作中,我们应用最近开发的机器学习原子间相互作用势(MLIP)来评估六方氮化硼单层的热导率。MLIP是使用高斯近似势(GAP)的方法,得到的晶格动力学性质和热导率进行了比较,从显式冻结声子计算。结果表明,基于约30%代表性构型的MLIP可以获得精确的热导率,高阶力常数比谐波近似提供了更可靠的MLIP质量基准。
2020-12-14 cond-mat.mtrl-sci
Temperature dependent effective third order interatomic force constants from first principles
将温度相关有效势(TDEP)方法推广到对相互作用之外。二阶和三阶力常数由有限温度下的从头计算分子动力学模拟确定。通过计算Si的模Grüneisen参数证明了该方法的可靠性。我们表明,TDEP的扩展到更高的顺序允许一个有效的计算的声子寿命,在Si以及在$ε$ -FeSi,一个系统,表现出异常软化与温度。
2013-08-25 cond-mat.mtrl-sci cond-mat.stat-mech
Ultralow Thermal Conductivity in a Two-Dimensional Material due to Surface Enhanced Resonant Bonding
具有超低热导率的晶体材料对于热电应用是高度期望的。许多已知的具有低热导率的晶体材料,包括PbTe和Bi 2 Te 3,具有一种称为“共振键”的特殊化学键。共振键是由简并键组态叠加而成,导致结构不稳定、原子间的反常长程相互作用和软光学声子。这些因素导致大的晶格非谐性和强的声子-声子散射,从而导致低的热导率。在这项工作中,我们使用第一性原理模拟,以调查在两个维度(2D),其中共振键是在接近表面的共振键合的效果。我们发现,由于共振键合的长程原子间相互作用变得更加突出,在二维由于减少屏蔽的原子位移引起的电荷密度失真。为了证明这种效应,我们分析了准二维Bi 2 PbTe 4的声子性质,在300 K时具有0.74 W/mK的超低热导率。通过比较准二维Bi 2 PbTe 4和其体相的原子间力常数,以及近表面和体相中共振键的性质,我们得出结论:共振键在减小的尺寸下显著增强,并且在降低晶格热导率方面更有效。我们的研究结果将为在低维材料中寻找热绝缘体提供新的线索。
2018-09-20 cond-mat.mtrl-sci
Fine-Tuning a Universal Machine-Learned Interatomic Potential for Oxygen Plasma Interactions with WS$_2$
Princeton University(普林斯顿大学)
通过迭代微调预训练的通用机器学习原子间势(UMA模型),结合SOAP和FPS采样、DFT标注,实现了对氧等离子体与WS$_2$相互作用的准确模拟,能量和力MAE分别降至4.5×10^{-3}eV/原子和0.076eV/Å。
2026-08-25 cond-mat.mtrl-sci physics.chem-ph
Unified Learning of Interatomic Potentials and Electronic Hamiltonians, with Applications in 2D Materials
University of Illinois Urbana–Champaign(伊利诺伊大学厄巴纳-香槟分校)
本研究提出等变图神经网络UEIPNet,可同时预测原子间势与紧束缚哈密顿量,在接近DFT的精度下实现力电耦合响应的自洽建模,为大规模原子系统的形变-电子耦合研究提供通用高效的可扩展框架。
2026-11-03 cond-mat.mtrl-sci physics.comp-ph
Equivariant graph neural network interatomic potential for Green-Kubo thermal conductivity in phase change materials
本研究利用E(3)-等变图神经网络势结合Green-Kubo方法,精确计算相变材料GeTe的热导率,并发现仅含三声子的玻尔兹曼方程会高估约2倍。
2024-03-15 cond-mat.dis-nn cond-mat.mtrl-sci physics.comp-ph
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
A many-body interatomic potential for ionic systems: application to MgO
描述了离子系统中短程排斥能的解析表示,该解析表示允许离子可以根据其环境改变其大小和形状的事实。相对于以前对相同物理效果建模的方法,该函数在评估方面非常有效。使用一个定义良好的参数化程序,我们已经获得了这个能量函数的参数集,再现密切的密度泛函理论势能面散装氧化镁。我们展示了如何优秀的协议,可以获得与实验测量的声子频率和温度和压力的密度依赖性,通过使用这种有效的潜力结合从头算参数化。
2003-07-29 cond-mat.mtrl-sci
Optimal data generation for machine learned interatomic potentials
机器学习原子间势(MLIP)通常用于原子模拟,但生成用于拟合这些模型的原子配置数据库是一个费力的过程,需要大量的计算和人力。提出了一种计算效率高的方法来生成数据库的原子配置,包含最佳信息的小位移制度的散装结晶物质的势能面。利用非对角超原胞(NDSC),从头算数据的自动生成过程。MLIP适合于Al,W,Mg和Si,非常接近地再现从头算声子和弹性性质。该协议可以很容易地适应其他材料,并可以插入到任何风味的MLIP生成的工作流程中。
2022-07-24 cond-mat.mtrl-sci physics.chem-ph
Amorphous materials as a frontier challenge for universal interatomic potentials
Inorganic Chemistry Laboratory, Department of Chemistry, University of Oxford(牛津大学化学系无机化学实验室)
研究非晶态材料对通用原子间势的挑战,引入基于精选数据集的基准框架,评估主流模型可转移性,识别局限并探究微调策略,为非晶功能材料领域应用及相关模型设计提供指导。
2026-07-14 cond-mat.mtrl-sci physics.comp-ph
Li-P-S Electrolyte Materials as a Benchmark for Machine-Learned Interatomic Potentials
University of Oxford(牛津大学)
本文提出LiPS-25基准数据集,用于评估机器学习互原子势在固态电解质材料中的性能,重点测试超参数和模型微调效果,并扩展至其他材料系统。
2025-11-20 cond-mat.mtrl-sci physics.comp-ph
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
Understanding Phonon Transport Properties Using Classical Molecular Dynamics Simulations
材料声子/热输运性质的预测建模对于各种工程应用的合理设计至关重要。经典的分子动力学(MD)模拟作为一种工具来模拟原子水平系统动力学的时间演化,并且使得能够计算从完美的周期晶体到具有强结构和组成无序的系统以及它们的界面的广泛材料的热输运性质。虽然MD本质上并不依赖于平面波类声子描述,但当与晶格动力学计算相结合时,它可以深入了解振动模式对热输运的贡献,包括平面波类模式以及其他模式,从而使该方法通用且强大。另一方面,包括缺乏振动精确的原子间势和不能严格包括声子的量子性质的几个缺陷禁止分子动力学模拟的广泛适用性和可靠性。本文提供了一个全面的审查经典的分子动力学为基础的形式主义提取热传输性能:热导率和热界面传导和各种结构,组成和化学参数对这些性能的影响。在这里,我们强调不寻常的属性预测,并强调发展准确的原子间势和严格的量子校正方案的需要和策略。
2020-11-02 cond-mat.mtrl-sci
Fine-tuning foundation models of materials interatomic potentials with frozen transfer learning
本文提出部分冻结权重和偏置的迁移学习微调方法,使原子间势基础模型仅用10–20%数据即达到从头训练精度,并据此构建高效代理模型。
2025-07-29 cond-mat.mtrl-sci