用于预测晶体材料张量性质的等变图神经网络
计算物理
2024-11-27 v2 材料科学
摘要
现代的 E(3) 等变网络可用于预测旋转等变性质，包括张量量。三种此类量：介电常数、压电常数和弹性张量，都需要进行计算昂贵的 ab initio 计算才能得到晶体系统的这些性质；然而，随着大型材料性质数据库中数据 availability 的提高，我们现在有足够的目标空间来开始训练等变模型来预测此类性质。本文显式开发了这些张量性质的球面调和分解，因为它们具有一般的对称性。我们然后应用三种不同的 E(3) 等变卷积结构来预测这些分解的分量，从而以等变方式预测上述张量量并比较其性能。我们进一步报告了测试这些预测模型在不同张量目标集合之间的可转移性的结果。
引用
@article{arxiv.2406.03563,
title = {Equivariant Graph Neural Networks for Prediction of Tensor Material Properties of Crystals},
author = {Alex Heilman and Claire Schlesinger and Qimin Yan},
journal= {arXiv preprint arXiv:2406.03563},
year = {2024}
}