在计算晶格热导率中即时训练多项式机器学习势
材料科学
2024-05-14 v3
摘要
将第一性原理计算与线性化声子玻尔兹曼方程相结合以预测晶体材料的晶格热导率，已获得越来越广泛的关注。在此计算中，通过第一性原理计算确定力常数对于准确的 LTC 预测至关重要。为了进行材料探索，目前期望以高通量方式进行第一性原理 LTC 计算，尽管这需要大量的计算资源。为了减少计算需求，我们在第一性原理 LTC 计算过程中即时集成了多项式机器学习势。本文提出了一种系统性的第一性原理 LTC 计算方法。我们设计并优化了一个集成多个模块化软件包的高效工作流。我们将该方法应用于计算纤锌矿、闪锌矿和岩盐类型的 103 种化合物的 LTC，以评估多项式机器学习势在 LTC 计算中的性能。我们证明了 LTC 预测所需计算资源的显著减少。
引用
@article{arxiv.2401.17531,
title = {On-the-fly training of polynomial machine learning potentials in computing lattice thermal conductivity},
author = {Atsushi Togo and Atsuto Seko},
journal= {arXiv preprint arXiv:2401.17531},
year = {2024}
}