基于机器学习势能的非晶 Li-Si 合金力学稳定性分析

理解固态材料在原子尺度上的力学性质对于开发新型材料至关重要。例如，无晶 LiSi 合金是固态锂离子电池的有趣 anode 材料，但因锂含量变化导致体积发生显著变化，面临力学不稳定问题。对此类系统力学行为的深入理解对于解决其力学完整性差的问题至为关键。实验方法提供的信息不足以在原子尺度上阐述动态力学退化机制，而计算密集的第一性原理方法（如 DFT）难以获取建模力学现象所需的系统尺度。机器学习势能（MLP）可克服传统 DFT 基于模拟的计算约束，使大规模、准确且高效的模拟成为可能。本文提供了一份关于开发和应用 MLP 研究材料系统中力学性质的简明教程，示例为 Li-Si 合金，涵盖从 bulk 到纳米粒子的系统。基于约 45,000 个 DFT 结构的数据集，使用加速自 PyTorch 的 aenet 软件包训练，构建了一个能够再现此前实验观察结果的稳健 MLP。我们演示将 MLP 应用于真实结构，以可视化变形机制并确定因断裂导致的力学不稳定性来源。本工作旨在将 MLP 基于的模拟建立为理解不同材料系统原子尺度力学行为的工具。