半局域机器学习势的热流计算

Green-Kubo（GK）方法是材料中热输运模拟的严格框架。然而，它需要对势能面进行准确描述并获得仔细收敛的统计量。机器学习势能够达到第一性原理模拟的精度，同时以极低成本大幅超越其模拟时间与长度尺度。本文中，我们阐释了如何将 GK 方法应用于近期的一类消息传递机器学习势，该类势迭代地考虑初始相互作用截断之外的半局域相互作用。我们推导了一种适配的热流公式，可利用自动微分实现且不牺牲计算效率。该方法通过计算二氧化锆在不同温度下的热导率得以演示与验证。