用于探索碳构型空间的机器学习键序势

构建具有最小参数数量的可迁移机器学习原子势能对于其广泛适用性至关重要。本文提出了一种机器学习原子势能，其函数形式为键序势，用于全面探索碳的构型空间。这种基于物理的势能设计使其能够以少量参数准确描述广泛的势能面。我们通过多项任务的验证展示了该势能的多功能性，包括声子色散计算、簇的全局结构搜索、相图计算以及局部最小结构的焓-体积映射。我们预计，这种势能将为发现新型碳材料作出贡献。