利用 E(3)-等变图神经网络进行短程序的化学基元表征

晶体材料在其化学成分上具有原子尺度的涨落，这些涨落调制各种介观性质。在此类材料中建立化学-微观结构关系需要对这些化学涨落进行适当的表征。然而，当前的表征方法（例如 Warren-Cowley 参数）仅部分利用了局部化学基元中包含的完整化学和结构信息。在此，我们引入了一个基于 E(3)-等变图神经网络的框架，该框架能够完全识别任意晶体结构中任意数量化学元素的化学基元。这种方法自然地导出了一种用于量化化学复杂材料中化学短程序（SRO）的适当信息论度量，以及一种简化但完整的化学空间表示。我们的框架能够将任意单原子性质与其对应的局部化学基元相关联，从而为探索化学复杂材料中的结构-性质关系提供了新途径。以 MoTaNbTi 高熵合金作为测试系统，我们通过评估与每个化学基元相关的晶格应变并计算化学涨落长度尺度的温度依赖性，展示了该方法的通用性。