非金属材料中点缺陷的机器学习方法综述
材料科学
2026-05-19 v1
摘要
我们综述了近期针对非金属材料中点缺陷的机器学习（ML）方法，重点关注缺陷形成能。现有研究大体上分为两类：直接预测缺陷能量的 ML 模型，这些模型从局部结构表示进行预测；以及近似缺陷包含势能面（MLP）的模型。这两类方法的关键成就及持续的瓶颈被总结在一起，强调数据质量往往主导实际模型性能。我们进一步指出，带电缺陷形成能是中心前沿领域，其中必须小心且一致地处理费米能级对齐、有限大小校正以及长程电动力学，以便在不同材料之间实现有意义的比较和可迁移的预测。
引用
@article{arxiv.2605.16611,
title = {Machine Learning Approaches to Point Defects in Non-Metallic Materials: A Review of Methods},
author = {Yu Kumagai and Shin Kiyohara},
journal= {arXiv preprint arXiv:2605.16611},
year = {2026}
}
备注
Appear in APEX-NEXT soon