铁基金属间化合物磁矩与穆斯堡尔参数的高通量计算与机器学习建模
材料科学
2025-03-21 v3
摘要
基于高通量密度泛函理论计算，我们评估了铁基金属间化合物的局部磁矩和穆斯堡尔性质，并利用机器学习将局部晶体环境映射至这些性质。观察到磁矩和穆斯堡尔参数为局部晶体环境提供了互补的见解，其中统计特征无法通过唯象模型捕捉。此外，我们发现 Materials Project (MP) 中现有数据的稀缺对开发预测性机器学习模型构成了重大挑战，而基于 SOAP 的描述符可应用于对包含额外结构原型的扩充数据集进行可靠建模。这项工作推进了局部晶体结构到磁性和光谱性质的映射，弥合了经验观察与理论模型之间的差距。
引用
@article{arxiv.2503.08249,
title = {High-throughput computation and machine learning modeling of magnetic moments and M\"ossbauer parameters for Fe-based intermetallics},
author = {Bo Zhao and Hongbin Zhang},
journal= {arXiv preprint arXiv:2503.08249},
year = {2025}
}