利用机器学习和等变基础模型解读漫散射：熔融 FeO 的案例
材料科学
2024-03-04 v1 机器学习
摘要
弥合无序材料中漫 X 射线或中子散射测量与源自原子 - 原子对势的预测结构之间的差距，一直是凝聚态物理中长期存在的挑战。本文简要概述了过去几十年采用的传统方法，即使用近似原子间对势将三维结构模型与测得的结构因子及其相关的对分布函数联系起来。机器学习原子间对势的使用在过去几年中有所增长，并在离子和氧化物系统中尤为成功。大规模采样的最新进展，以及将散射测量直接整合到模型开发中，提高了实验与具有量子力学精度计算的大规模模型之间的一致性。然而，亚稳态无序系统中局部多面体键合和连通性的细节仍需改进。在此，我们利用 MACE-MP-0（一种新引入的等变基础模型），并针对熔融氧化铁 (II)（FeO）的高质量实验散射数据验证了结果。这些初步结果表明，新兴的基础模型有潜力超越经典原子间对势的传统局限性。
引用
@article{arxiv.2403.00259,
title = {Deciphering diffuse scattering with machine learning and the equivariant foundation model: The case of molten FeO},
author = {Ganesh Sivaraman and Chris J. Benmore},
journal= {arXiv preprint arXiv:2403.00259},
year = {2024}
}
备注
9 pages, 5 figures