用于杂化有机-无机界面结构搜索与优化的含长程色散机器学习势
材料科学
2022-03-01 v1
摘要
杂化有机-无机界面结构与稳定性的计算预测为电子薄膜器件、涂层和催化剂表面的可测性质提供重要见解，并在其理性设计中发挥重要作用。然而，此类系统中分子构型的丰富多样性以及长程相互作用的重要作用，使得利用机器学习（ML）势来促进结构探索变得困难，否则需依赖计算昂贵的电子结构计算。我们提出一种 ML 方法，通过结合在高阶电子结构数据上训练的两种不同类型深度神经网络，实现快速而准确的结构优化。第一个模型是在局域能量与力上训练的短程原子间 ML 势，第二个则是由分子中原子划分导出的有效原子体积 ML 模型。后者可用于将短程势与成熟的密度依赖长程色散校正方法相连接。针对金纳米团簇在金刚石（110）表面以及有机 -共轭分子在银（111）表面两个体系，我们在稀疏的密度泛函理论结构弛豫数据上训练模型，并展示模型在实现高效结构优化与吸附结构半定量能量预测方面的能力。
引用
@article{arxiv.2202.13009,
title = {Long-range dispersion-inclusive machine learning potentials for structure search and optimization of hybrid organic-inorganic interfaces},
author = {Julia Westermayr and Shayantan Chaudhuri and Andreas Jeindl and Oliver T. Hofmann and Reinhard J. Maurer},
journal= {arXiv preprint arXiv:2202.13009},
year = {2022}
}
备注
25 pages, 10 figures