机器学习势中力误差对热导率影响的深入分析
材料科学
2025-01-22 v1 计算物理
摘要
机器学习势（MLP）已广泛用于通过原子尺度模拟获取晶格热导率。然而，各种MLP中力误差对热传输的影响尚未被广泛认识，且仍需充分理解。本文，我们利用MLP驱动的分子动力学（MD）和非谐晶格动力学（LD）系统地研究了计算热导率如何随力误差变化，以硼砷化物作为原型材料。我们一致观察到三种不同MLP（包括神经演化势、深度势和矩张量势）的MD模拟中热导率被低估。我们提出了一种基于Langevin恒温器施加受控力噪声的稳健外推方案来纠正这种低估。修正后的结果与200 K至600 K范围内的先前实验测量吻合良好。相比之下，使用MLP的LD计算所得热导率值与实验数据吻合良好，这归因于力误差对力常数计算的影响要小得多。
引用
@article{arxiv.2411.04769,
title = {Insight into the effect of force error on the thermal conductivity from machine-learned potentials},
author = {Wenjiang Zhou and Nianjie Liang and Xiguang Wu and Shiyun Xiong and Zheyong Fan and Bai Song},
journal= {arXiv preprint arXiv:2411.04769},
year = {2025}
}