利用经典势与机器学习势从电子到相图：基于 pyiron 的材料科学自动化工作流
材料科学
2024-03-12 v1
摘要
我们提出了一个建立在 pyiron 集成开发环境（IDE）之上且全面、用户友好的框架，使研究人员能够执行完整的机器学习势（MLP）开发周期，包括 创建系统性 DFT 数据库、 将密度泛函理论（DFT）数据拟合为经验势或 MLP，以及 以高度自动化的方式验证势。该框架的强大功能与性能通过三个概念上截然不同的原子间势类得到了展示：经验势（嵌入原子法 - EAM）、神经网络（高维神经网络势 - HDNNP）以及基组展开（原子团簇展开 - ACE）。作为验证与应用的高级示例，我们展示了 Al-Li 二元成分-温度相图的计算，这是一种在航空航天工业中具有重要应用的技术上重要的轻质合金系统。
引用
@article{arxiv.2403.05724,
title = {From electrons to phase diagrams with classical and machine learning potentials: automated workflows for materials science with pyiron},
author = {Sarath Menon and Yury Lysogorskiy and Alexander L. M. Knoll and Niklas Leimeroth and Marvin Poul and Minaam Qamar and Jan Janssen and Matous Mrovec and Jochen Rohrer and Karsten Albe and Jörg Behler and Ralf Drautz and Jörg Neugebauer},
journal= {arXiv preprint arXiv:2403.05724},
year = {2024}
}