面向16种单质金属及其合金的通用机器学习势
材料科学
2024-12-02 v2 计算物理
摘要
机器学习势（MLPs）已展现出卓越的精度，但缺乏适用于广泛元素及其合金的通用MLP限制了其适用性。在此，我们提出了一种构建多元素统一通用MLP的可行方法，并通过一个针对16种单质金属及其合金的模型（UNEP-v1）加以演示。为实现化学空间的完整表示，我们通过主成分分析与多样化测试数据集表明，仅使用单质与双元体系已足够。我们的统一UNEP-v1模型在多种物理性质上优于广泛使用的嵌入原子法势，同时保持了极高的效率。我们通过复现实验观测到的化学序与稳定相，以及对MoTaVW合金中塑性与初级辐照损伤的大规模模拟，证明了该方法的有效性。这项工作向着涵盖元素周期表的统一通用MLP迈出了重要一步，对材料科学具有深远影响。
引用
@article{arxiv.2311.04732,
title = {General-purpose machine-learned potential for 16 elemental metals and their alloys},
author = {Keke Song and Rui Zhao and Jiahui Liu and Yanzhou Wang and Eric Lindgren and Yong Wang and Shunda Chen and Ke Xu and Ting Liang and Penghua Ying and Nan Xu and Zhiqiang Zhao and Jiuyang Shi and Junjie Wang and Shuang Lyu and Zezhu Zeng and Shirong Liang and Haikuan Dong and Ligang Sun and Yue Chen and Zhuhua Zhang and Wanlin Guo and Ping Qian and Jian Sun and Paul Erhart and Tapio Ala-Nissila and Yanjing Su and Zheyong Fan},
journal= {arXiv preprint arXiv:2311.04732},
year = {2024}
}
备注
Main text with 17 pages and 8 figures; supplementary with 26 figures and 4 tables; source code and training/test data available