应用于非晶冰的高维序参量与神经网络分类器
无序系统与神经网络
2023-12-25 v1 化学物理
摘要
非晶冰相是水复杂结构景观的关键组成部分。本研究调查了水的多型性本质，重点关注低密度非晶冰 (LDA)、高密度非晶冰 (HDA) 以及最近发现的中密度非晶冰 (MDA) 内部的复杂性。我们使用旋转不变的高维序参量来捕捉广泛的局部对称性，以表征局部氧环境。我们训练了一个神经网络 (NN) 来分类这些局部环境，并研究了 MDA 在非晶冰结构景观中的独特性。我们的结果突出了由于结构相似性而难以准确区分 MDA 和 LDA 的困难。除水之外，我们的方法还可应用于研究无序材料的结构特性和相。
引用
@article{arxiv.2312.14277,
title = {High-dimensional order parameters and neural network classifiers applied to amorphous ices},
author = {Zoé Faure Beaulieu and Volker L. Deringer and Fausto Martelli},
journal= {arXiv preprint arXiv:2312.14277},
year = {2023}
}