通过社区推断评估过冷液体的结构异质性

我们提出一种受分布聚类启发的信息论方法，用以评估颗粒系统的结构异质性。我们的方法通过提取隐藏在二体或三体静态关联空间变化中的信息，识别具有相似局域结构的粒子社区。这对应于一种仅从粒子位置及其物种推断社区的无监督机器学习方法。我们将该方法应用于三个过冷液体模型，发现它能探测微妙形式的局域有序，这通过与 Voronoi 胞统计的比较得以证明。最后，我们分析了结构社区与粒子迁移率的时间相关，表明我们的方法捕获了关于玻璃态动力学的有关信息。