符号回归发现的原子间势模型函数形式的可推广性
材料科学
2023-03-28 v2 机器学习
神经与进化计算
计算物理
摘要
近年来，利用机器学习算法开发原子间势模型取得了巨大进展。机器学习势模型通常比密度泛函理论快几个数量级，但也比嵌入原子法等物理推导模型慢几个数量级。在我们之前的工作中，我们使用符号回归为铜开发了快速、准确且可迁移的原子间势模型，其新颖的函数形式类似于嵌入原子法。为了确定这些形式的成功在多大程度上是铜特有的，本文探索了这些模型对其他面心立方过渡金属的可推广性，并分析了它们在多种材料性质上的样本外表现。我们发现，这些形式在与铜化学性质相似的元素上表现尤为出色。与具有相似复杂度的优化Sutton-Chen模型相比，使用符号回归发现的函数形式在除金（表现相似）之外的所有考虑元素上都表现更好。它们在训练所用性质上的表现与一个中等复杂度的嵌入原子形式相似，而在其他性质上的平均准确度更高。我们将这种提高的泛化精度归因于使用符号回归发现的模型相对简单。在多种性质预测中，遗传编程模型在约50%的情况下优于文献中的其他模型，而其平均模型复杂度仅为后者的约十分之一。我们讨论了这些结果对符号回归在新势函数开发中更广泛应用的意义，并强调了为一种元素发现的模型如何用于启动对不同元素的新搜索。
引用
@article{arxiv.2210.15124,
title = {Generalizability of Functional Forms for Interatomic Potential Models Discovered by Symbolic Regression},
author = {Alberto Hernandez and Tim Mueller},
journal= {arXiv preprint arXiv:2210.15124},
year = {2023}
}