GeO$_2$ 玻璃中间程范围序比较：基于机器学习原子势与基于实验数据反蒙特卡洛拟合的分子动力学研究
材料科学
2024-09-25 v2 无序系统与神经网络
摘要
本文利用机器学习原子势（基于 ab initio 计算数据训练）和基于实验数据反蒙特卡洛拟合 neutron 衍射数据，对 GeO 玻璃的短程和中间程序进行了分子动力学研究。为刻画两种模型之间的结构差异，分别对总/部分结构因子、配位数、环大小和形状分布进行了分析，以及持久同源分析。结果表明，尽管两种方法在两体关联方面得到相似结果，但可能导致三维模型在短程和中间程有序性上差异显著。特别在环分布方面观察到明显差异；RMC 模型显示出环大小分布的宽分布，而神经网络势的分子动力学则产生 much 更窄的环分布。这一结果表明，ab initio 计算中密度泛函近似对网络装配的偏好决定更为严格，而 RMC 仅受简单配位数约束和中子衍射数据（带同位素置换）的限制。
引用
@article{arxiv.2409.06982,
title = {Comparison of intermediate-range order in GeO$_2$ glass: molecular dynamics using machine-learning interatomic potential vs.\ reverse Monte Carlo fitting to experimental data},
author = {Kenta Matsutani and Shusuke Kasamatsu and Takeshi Usuki},
journal= {arXiv preprint arXiv:2409.06982},
year = {2024}
}