面向轻质金属及III-V族元素化合物的机器学习动能势模型
材料科学
2025-02-11 v1 化学物理
摘要
本文提出一种机器学习（ML）动能模型，适用于基于轨道自由密度泛函理论（OF-DFT）的轻质金属及由III-V族元素组成的化合物。该函数使用高斯过程回归（GPR）从Kohn-Sham DFT计算的数据（采用平面波基组和局部赝势）中学习。数据集包括单元、二元和三元化合物，其中包含Li、Al、Mg、Si、As、Ga、Sb、Na、Sn、P和In。共117种材料用于训练，每个材料采用18个受应力结构。以单位胞平均动能密度为目标，将其拟合为4阶梯度展开的平均项与密度与有效势函数乘积的函数。该模型预测的动能能够较好地再现平衡几何结构附近的能量-体积曲线。我们展示了GPR模型在线性和多项式回归中具有优势。此外，我们发现单元化合物比二元和三元化合物更广泛地采样描述符空间，因此必须将其纳入训练集中；在有限数量的单元化合物上训练的GPR模型能够较好地对二元和三元化合物进行外推，但反之则不行。
引用
@article{arxiv.2407.11450,
title = {A machine-learned kinetic energy model for light weight metals and compounds of group III-V elements},
author = {Johann Lüder and Manabu Ihara and Sergei Manzhos},
journal= {arXiv preprint arXiv:2407.11450},
year = {2025}
}