基于等价图神经网络势能的钙钛矿氧化物在有限温度下的介电张量
材料科学
2024-12-05 v1 计算物理
摘要
在有限温度下对材料性质进行原子分辨模拟 computationally 诱人且需要比 ab initio 方法更有效的模型。机器学习（ML）和人工智能（AI）通过启用接近 ab initio 精度的准确模型来解决这一问题。本文演示了ML模型在捕捉真实材料性质方面的实用性，通过对钙钛矿氧化物进行有限温度分子动力学模拟，使用基于等价图神经网络的势能函数。该模型在从能量、力、应力和 Born 有效电荷张量的少量训练数据中高效学习。我们定性地捕捉了介电张量随温度变化的行为以及结构相变，如钙钛矿钙钛钛酸钠钛酸钠。
引用
@article{arxiv.2412.03541,
title = {Dielectric tensor of perovskite oxides at finite temperature using equivariant graph neural network potentials},
author = {Alex Kutana and Koki Yoshimochi and Ryoji Asahi},
journal= {arXiv preprint arXiv:2412.03541},
year = {2024}
}
备注
10 pages, 5 figures