Hop-Decorate：面向化学复杂材料中缺陷传输数据生成的自动化原子尺度工作流程
材料科学
2025-09-29 v2 计算物理
摘要
化学复杂材料（CCMs）表现出惊人的功能性能，但由于其配置异质性庞大，使得原子尺度建模面临重大挑战。我们引入 Hop-Decorate（HopDec），一个高通量、基于 Python 的原子尺度工作流程，用于自动化生成 CCMs 中缺陷传输数据。HopDec 将加速分子动力学与一种新颖的重新装饰算法相集成，以有效地在化学上多样的局部环境中采样迁移路径。该方法构建了一个缺陷态图，其中转换与动力学和热力学参数的分布相关联，可直接输入到动力学蒙特卡罗等其他中尺度模型中。我们通过对 Cu-Ni 合金和自旋氧化物 (Fe,Ni)Cr2O4 的应用，揭示了前者中的简单预测关系以及后者由于阳离子无序性而驱动的复杂迁移行为。这些结果凸显了 HopDec 从原子尺度模拟中提取物理上有意义趋势的能力，支持简化模型或机器学习模型对缺陷动力学的建模，桥接了复杂材料体系中的原子尺度模拟与中尺度预测。
引用
@article{arxiv.2506.16835,
title = {Hop-Decorate: An Automated Atomistic Workflow for Generating Defect Transport Data in Chemically Complex Materials},
author = {Peter Hatton and Blas Pedro Uberuaga and Danny Perez},
journal= {arXiv preprint arXiv:2506.16835},
year = {2025}
}