面向 molten salt 的机器学习原子势能最佳实践：以 NaCl-MgCl2 为例

在本工作中，我们开发了用于 $(NaCl)_{1-x}(MgCl_2)_x$ molten salt 的可组成迁移的机器学习原子势能，使用原子聚类展开势能（atomic cluster expansion potential）和 PBE-D3 方法，并展示了仅通过包含 $x=\{0, 1/3, 2/3, 1\}$ 的数据即可拟合出该伪二元系统的稳健势能。我们还评估了包括 PBE-D3、PBE-D4、R2SCAN-D4 和 R2SCAN-rVV10 在内的几种 DFT 方法在单一 NaCl 和 MgCl2 盐中的性能。我们的结果表明，R2SCAN-D4 方法在 NaCl 和 MgCl2 的热力学性质上整体上比其他三种方法具有稍微更好的准确性。