基于双谱分量的神经网络势：以晶态硅为例的研究
计算物理
2020-08-26 v3 化学物理
摘要
本文中，我们针对晶态硅的机器学习力场（MLFF）开发开展系统性研究。尽管拟合 MLFF 的主流方法是使用分子动力学模拟得到的小型局域训练集，但其难以覆盖势能面的全局特征。为弥补此问题，我们采用随机生成的对称晶体结构训练更具通用性的 Si-MLFF。进一步，我们在两组不同的硅数据上，针对多种材料描述符与回归技术选择进行了充分基准测试。结果表明，以双谱系数作为描述符的神经网络势拟合是获取准确且可迁移 MLFF 的可行方法。
引用
@article{arxiv.2001.00972,
title = {Neural Networks Potential from the Bispectrum Component: A Case Study on Crystalline Silicon},
author = {Howard Yanxon and David Zagaceta and Brandon C. Wood and Qiang Zhu},
journal= {arXiv preprint arXiv:2001.00972},
year = {2020}
}