加速结构-稳定性能量自由计算器
材料科学
2024-08-28 v1 原子与分子团簇
摘要
计算建模是催化研究的重要组成部分。随着不断发展，新方法正在被开发并实现，以提高模拟精度的同时降低计算成本。特别是，特定的机器学习技术被应用于构建来自 ab initio 结果的原子势场。本文我们报告了一种无能量的机器学习计算器，它结合了三个单独训练的神经网络来预测粒子物质的能量和原子力。考察了三种结构：单金属纳米颗粒、双金属纳米合金以及支撑金属晶体。原子能量通过图神经网络预测，导致其平均绝对误差 (MAE) 在 0.004 eV 范围内，与密度泛函理论 (DFT) 计算结果相当。预测原子力的任务被划分为两个前馈网络，一个预测力的范数，另一个预测其方向。力的预测结果与 DFT 结果相比，MAE 在 0.080 eV/A 范围内。图神经网络预测的可解释性通过揭示单金属颗粒的物理本质（即内离加能）得以展示。
引用
@article{arxiv.2408.14577,
title = {Accelerated structure-stability energy-free calculator},
author = {Alexandre Boucher and Cameron Beevers and Bertrand Gauthier and Alberto Roldan},
journal= {arXiv preprint arXiv:2408.14577},
year = {2024}
}