通过机器学习势函数准确预测非晶材料的结构与力学性能：氮化硅的案例研究

非晶氮化硅（a-SiN）是一种因其优异的力学和电学性能而得到广泛应用的材料。尽管在理解微观结构如何影响材料性能方面投入了大量努力，许多方面仍然难以捉摸。一方面，第一性原理计算是研究此类系统的首选技术，但其在可模拟系统规模方面存在严重限制。这一因素在研究非晶结构时起着决定性作用，因为结果往往严重依赖于系统规模。这里，我们通过训练一个机器学习（ML）原子间模型来克服这一限制，该模型基于第一性原理数据。我们表明，使用该 ML 模型在更大规模系统上进行的分子动力学模拟能够复现实验测量的弹性性能，包括弹性各向同性。本研究展示了机器学习势函数在预测结构与力学性能方面的广泛影响，即使对于复杂非晶结构也是如此。