基于图神经网络的玻璃形成液体结构分类及其自注意力机制的解释
软凝聚态物质
2025-07-14 v2
摘要
玻璃形成液体在其熔点以下表现出缓慢动力学，保持类似于正常液体的无晶体结构。区分超冷和高温区域内的微观结构仍是争议话题。基于机器学习的最新进展，特别是图神经网络 (GNN)，我们的研究自动提取特征，揭示了不同温度下结构变化的基本机制。我们运用自注意力机制生成注意力系数，以量化图节点之间连接的重要性，提供对GNN预测依据的洞察。通过GNN+自注意力探索温度下降时的结构变化，采用物理定义的结构描述符，包括键定向序参数、沃森细胞体积和配位数，我们识别出高注意力系数与更无序结构之间的强相关性，这是玻璃形成液体变化的关键指标。
引用
@article{arxiv.2505.00993,
title = {Graph neural network-based structural classification of glass-forming liquids and its interpretation via self-attention mechanism},
author = {Kohei Yoshikawa and Kentaro Yano and Shota Goto and Kang Kim and Nobuyuki Matubayasi},
journal= {arXiv preprint arXiv:2505.00993},
year = {2025}
}
备注
9pages, 5 figures for main text, 12 pages for Supplementary Material