用于氮化锂的静电谱近邻分析势 (eSNAP)
材料科学
2019-04-30 v2
摘要
基于局部环境描述符的机器学习原子间势在预测精度上相较于基于刚性函数形式的传统势实现了变革性飞跃。然而，将其应用于离子系统时的一个挑战是长程静电力的处理。在此，我们提出了一种用于离子型 -\ce{Li3N} 的高精度静电谱近邻分析势 (eSNAP)，该材料是作为可充电锂离子电池固体电解质或涂层的典型锂超离子导体。我们表明，优化的 eSNAP 模型在能量和力的预测以及多种性质（如晶格常数、弹性常数和声子色散曲线）方面均显著优于传统的 Coulomb-Buckingham 势。我们还展示了 eSNAP 在 \ce{Li3N} 中长时间、大规模 Li 扩散研究中的应用，为协同离子运动的度量（例如 Haven 比）和晶界扩散提供了原子尺度的见解。本工作旨在提供一种在 SNAP 框架下为多组分离子系统开发量子级精度力场的方法，从而实现此类系统的大规模原子模拟。
引用
@article{arxiv.1901.08749,
title = {An Electrostatic Spectral Neighbor Analysis Potential (eSNAP) for Lithium Nitride},
author = {Zhi Deng and Chi Chen and Xiang-Guo Li and Shyue Ping Ong},
journal= {arXiv preprint arXiv:1901.08749},
year = {2019}
}