用于加速晶体材料原子运输仿真的流匹配技术
材料科学
2025-10-21 v4 机器学习
计算物理
摘要
原子运输是支撑能源存储和电子技术等材料性能的关键因素，但其仿真计算仍具挑战。尤其是对固态电解质（SSE）中离子扩散的建模，需要能够克服传统第一性原理分子动力学（AIMD）的尺度限制。我们引入 LiFlow，将其作为条件生成原子位移的生成式框架来加速 MD 仿真。该模型采用流匹配技术，其中 Propagator 子模型用于生成原子位移，Corrector 用于局部纠正非物理几何结构，并基于玻尔兹曼分布的自适应先验以计入化学和热条件。我们在由 4,186 种 SSE 候选材料在四个温度下进行的 25 ps 轨迹数据集上对 LiFlow 进行基准测试。该模型在未见 compositions 上对锂均方位偏移（MSD）预测得到 0.7-0.8 的稳定斯佩尔排序相关性。此外，LiFlow 能从短训练轨迹推广至更大的超胞和更长的仿真，同时保持高精度。相较�第一性原理方法，LiFlow 实现了最高可达 600,000 倍的加速，使其能够在更大的尺度上进行可扩展仿真。
引用
@article{arxiv.2410.01464,
title = {Flow Matching for Accelerated Simulation of Atomic Transport in Crystalline Materials},
author = {Juno Nam and Sulin Liu and Gavin Winter and KyuJung Jun and Soojung Yang and Rafael Gómez-Bombarelli},
journal= {arXiv preprint arXiv:2410.01464},
year = {2025}
}