通过小晶胞训练加速机器学习原子间势的训练

尽管机器学习原子间势已成为材料建模的主力，但设计能产生稳健势的训练集仍具挑战性。主动学习和即时学习等自动化方法可构建可靠的训练集，但这些过程可能耗费大量资源。当前的训练方法常使用与势函数显式训练所模拟体系具有相同晶胞尺寸的密度泛函理论（DFT）计算。在此，我们展示一种易于实现的小晶胞训练方案，并用其建模 Zr-H 体系。该训练得到的势能准确预测已知的稳定 Zr-H 相，并在分子动力学模拟中复现了纯锆的 $\alpha$-$\beta$ 相变。与传统主动学习相比，小晶胞训练将 $\alpha$-$\beta$ 锆相变的训练时间缩短了约 20 倍。该势函数描述相变的精度与大晶胞训练方法相近。