神经网络力场辅助的嵌套采样：硅p-T相图研究
材料科学
2023-08-23 v1 统计力学
摘要
嵌套采样是一种计算材料相图的有前景的方法，然而若要求第一性原理精度，其计算成本限制了适用性。本工作中，我们报告了将神经网络力场与嵌套采样算法结合的高效使用。我们在近期报道的硅结构数据库上训练力场，并在0至\SI{16}{GPa}间硅的压力-温度相图低压区展示该方法。模拟相图与实验结果吻合良好，紧密复现熔化线。此外，所研究压力范围内的所有实验稳定结构也在模拟中观察到。我们指出训练数据交换关联泛函选择的重要性，并展示meta-GGA r2SCAN在利用嵌套采样实现准确热力学行为中的关键作用。我们进一步对势能面探索进行详细分析，并强调多样化训练数据集的关键作用。
引用
@article{arxiv.2308.11426,
title = {Neural-Network Force Field Backed Nested Sampling: Study of the Silicon p-T Phase Diagram},
author = {N. Unglert and J. Carrete and L. B. Pártay and G. K. H. Madsen},
journal= {arXiv preprint arXiv:2308.11426},
year = {2023}
}