面向Quantum Espresso自洽场单点总能计算的k点网格优化输入文件自动生成
材料科学
2025-12-18 v1
摘要
进行密度泛函理论(DFT)计算需要仔细选择计算参数以确保收敛并获得有意义的结果。这对于高通量和智能体工作流来说是一个特别重要的问题，因为由于计算成本，最好避免任何额外的收敛性研究。因此，需要能够从基本输入信息（如结构）预测DFT参数的工具和模型。在这项工作中，我们开发了一种机器学习方法来预测DFT计算中合适的k点采样，并为Quantum Espresso自洽场计算生成输入文件。为此，我们首先生成了一个包含超过20,000种材料的训练数据集，每种材料的能量收敛阈值为1 meV/原子。我们评估了几种ML模型预测k点距离的能力，并加入了不确定性估计，以保证对于至少85-95%的化合物，预测的k距离位于收敛区域内。性能最佳的模型通过一个开放获取的Web应用程序公开发布。
引用
@article{arxiv.2512.15303,
title = {Automatic generation of input files with optimised k-point meshes for Quantum Espresso self-consistent field single point total energy calculations},
author = {Elena Patyukova and Junwen Yin and Susmita Basak and Samuel Pinilla Sanchez and Alin Elena and Gilberto Teobaldi},
journal= {arXiv preprint arXiv:2512.15303},
year = {2025}
}
备注
38 pages, 16 Figures, 6 Tables