将机器学习势能引入 SLUSCHI 软件包以加速材料熔点温度预测
核理论
2025-06-24 v2
摘要
我们开发的 SLUSCHI（Solid and Liquid in Ultra Small Coexistence with Hovering Interfaces）自动化软件包已与第一性代码 VASP（Vienna Ab initio Simulation Package）接口，用于高效确定 various 材料的熔点温度。然而，进行大量小规模液-solid 共存超胞的分子动力学模拟以预测材料熔点温度仍然计算成本高昂，常需数周时间和数十至数百万 CPU 小时。本文尝试将 SLUSCHI 软件包与高效分子动力学 LAMMPS 代码接口，证明其在熔点温度确定方面性能显著提升，至少优于原始 VASP 方法一个数量级。我们的熔点计算基于使用第一性原理数据预构建的 LASP（Large-scale Atomic Simulation）机器学习势能。在 CPU 时间显著降低的同时，我们计算得到的各种材料（简单金属、过渡金属、合金、氧化物和碳化物）的熔点温度也相当准确。结果分析表明，60% 的熔点温度与实验值相差不超过 200 K，RMSE 为 187 K，稍差于基于 DFT 的 RMSE 151 K。因此，SLUSCHI 与 LAMMPS 分子动力学的接口结合，使得在更高效的方式下快速筛选大量材料中的最佳候选成为可能，并促进了基于材料基因组范式的材料合理设计。
引用
@article{arxiv.2408.13415,
title = {Bound states of $^{9}_{\phi}$Be and $^{6}_{\phi\phi}$He nuclei with $\phi$+$\alpha$+$\alpha$ and $\phi$+$\phi$+$\alpha$ cluster models},
author = {Igor Filikhin and Roman Ya. Kezerashvili and Branislav Vlahovic},
journal= {arXiv preprint arXiv:2408.13415},
year = {2025}
}
备注
11 pages, 3 figures