过冷液体中空间与动力学异质性检测的通用分类方案
统计力学
2022-03-24 v1 介观与纳米尺度物理
摘要
本文开发了一种通过计算实现来自机器学习（ML）算法的主要成分分析（PCA）和高斯混合（GM）聚类方法来识别过冷液体畴结构的方法。原始特征数据取自经径向分布函数平滑的粒子配位数，并在PCA降维后用作GM聚类的无序结构序参量。为了将知识从特征（结构）空间转移到构型空间，使用笛卡尔坐标作为序参量，并以特征空间中GM给出的粒子身份，进行另一次GM聚类。两次GM聚类均迭代执行直至收敛。结果显示，在足够长的时间尺度上，结构和构型空间中均出现了具有异质动力学的纳米畴聚集体。更重要的是，观察到与系统尺寸无关的、一致地铺满整个空间的纳米畴，且我们的方法可应用于任何无序系统。
引用
@article{arxiv.2203.11989,
title = {A general classification scheme of detecting spatial and dynamical heterogeneities in super-cooled liquids},
author = {Viet Nguyen and Xueyu Song},
journal= {arXiv preprint arXiv:2203.11989},
year = {2022}
}
备注
7 pages