借助机器学习势的从头算辅助获取直至熔点的高精度热力学性质
材料科学
2023-01-11 v2
摘要
准确预测热力学性质需要极其精确的自由能表面表示。这有两方面的要求——首先，需要包含相关的有限温度机制；其次，需要在其上进行计算的密集体积-温度网格。此类计算的系统化工作流需要计算效率和可靠性，并且迄今为止在从头算框架内尚不可用。在这里，我们阐明了这样一个包含直接上采样、热力学积分和机器学习势的框架，使我们能够特别地纳入非谐振动的完整效应。与最先进的方法相比，改进后的方法实现了五倍的加速。我们计算了 bcc Nb、磁性 fcc Ni、fcc Al 和 hcp Mg 直至熔点的平衡热力学性质，并发现与实验数据高度一致。特别观察到非谐性对 Nb 的强烈影响。所引入的流程为开发从头算热力学数据库铺平了道路。
引用
@article{arxiv.2212.10385,
title = {High-accuracy thermodynamic properties to the melting point from ab initio calculations aided by machine-learning potentials},
author = {Jong Hyun Jung and Prashanth Srinivasan and Axel Forslund and Blazej Grabowski},
journal= {arXiv preprint arXiv:2212.10385},
year = {2023}
}
备注
6 figures, supplementary information, typos corrected