使用神经网络预测莫伊尔超晶格的松弛
无序系统与神经网络
2025-09-17 v1
摘要
莫伊尔超晶格在扭曲过渡金属硫化物(TMD)双层板中的松弛已被建模为多种基于神经网络的方法。我们实现并比较了几种体系结构，包括(i)一种与自编码器结合的插值器，(ii)一种与解码器结合的插值器，(iii)一种直接映射输入参数到位移场的生成器，以及(iv)一种物理信息神经网络(PINN)。在这些方法中，直接生成器体系结构表现最佳，在最小训练数据下即可达到机器水平的精度。值得注意的是，一旦训练完成，这个简单的全连接网络即可在几分之一秒内预测莫伊尔双层板的完整位移场，而常规连续体仿真则需要数小时甚至数天。此发现突显了松弛过程的低维特性，并在快速建模和2D扭曲异质结构的高通量筛选中建立了神经网络作为ab initio方法的实用且高效的替代方案。
引用
@article{arxiv.2509.13147,
title = {Instant prediction of relaxation in moir\'{e} superlattices using neural networks},
author = {Aleksei V. Belonovskii and Elizaveta I. Girshova and Erkki Lähderanta and Mikhail Kaliteevski},
journal= {arXiv preprint arXiv:2509.13147},
year = {2025}
}
备注
18 pages, 6 figures, 2 tables, intended for submission to a peer-reviewed journal