通过学习减小分子动力学模拟性质的误差以加速非晶聚合物电解质筛选
材料科学
2022-07-05 v2 人工智能
机器学习
摘要
聚合物电解质是下一代锂离子电池技术极具前景的候选材料。聚合物电解质的大规模筛选受限于非晶体系中分子动力学(MD)模拟的高昂成本：聚合物的非晶结构需要多次重复采样以降低噪声，而其缓慢的弛豫需要较长的模拟时间才能收敛。在此，我们利用多任务图神经网络加速筛选，该网络从大量含噪声、未收敛的短时MD数据以及少量已收敛的长时MD数据中学习。我们实现了对4种不同收敛性质的准确预测，并筛选了包含6247种聚合物的空间，其规模比以往计算研究大数个数量级。此外，我们提取了若干聚合物电解质的设计原则，并为学界提供了一个开放数据集。我们的方法可适用于涉及复杂非晶材料模拟的广泛材料发现问题。
引用
@article{arxiv.2101.05339,
title = {Accelerating amorphous polymer electrolyte screening by learning to reduce errors in molecular dynamics simulated properties},
author = {Tian Xie and Arthur France-Lanord and Yanming Wang and Jeffrey Lopez and Michael Austin Stolberg and Megan Hill and Graham Michael Leverick and Rafael Gomez-Bombarelli and Jeremiah A. Johnson and Yang Shao-Horn and Jeffrey C. Grossman},
journal= {arXiv preprint arXiv:2101.05339},
year = {2022}
}
备注
29 pages, 6 figures + supplementary information