极化材料中原子尺度与机器学习势能的静电相互作用
材料科学
2024-12-03 v1 计算物理
摘要
长程静电相互作用在极化材料中起关键作用。然而，当前用于大规模模拟的原子尺度势能，如神经网络势能或高斯近似势能，往往忽略这些长程静电相互作用的作用。本研究引入一种新模型，基于第一性原理推导，用于评估长程静电相互作用对总能量、力和应力的贡献。该模型设计为无缝集成到现有短程力场中，无需进一步的第一性原理计算或重新训练。该方法仅依赖于物理可观测量，如介电张量和诺曼有效电荷，这些量可从第一性原理中一致计算得到。我们演示了该模型能够准确再现关键特征，如LO-TO分裂和极化材料的长程声子色散，基于对八钇钡酸钡（BaTiO）三相的基准结果。
引用
@article{arxiv.2412.01642,
title = {Electrostatic interactions in atomistic and machine-learned potentials for polar materials},
author = {Lorenzo Monacelli and Nicola Marzari},
journal= {arXiv preprint arXiv:2412.01642},
year = {2024}
}