“一缺陷一势能”策略：用于无损失精度预测缺陷声子的机器学习方法
材料科学
2025-12-19 v1
摘要
原子振动在缺陷体系中扮演着声子助力电子跃迁的关键角色。然而，由于大超胞第一性原理计算的高计算成本，缺陷体系的声子计算常受阻碍。最近，基础模型如通用机器学习原子势能 (MLIP) 作为快速声子计算的有前景的替代方案，但其在高级缺陷声子计算（如非辐射载流子捕获率）方面的定量精度受限，限制了其根本适用性。本文提出了“一缺陷一势能”策略，即在有限扰动超胞上训练 MLIP。我们证明，该策略可获得与密度泛函理论 (DFT) 相当精度的声子， regardless of supercell size。对缺陷声子预测精度的验证通过声子频率、Huang-Rhys 因子和声子色散曲线完成。进一步的光致发光 (PL) 谱和非辐射捕获率计算也与 DFT 结果表现良好，同时将计算开销降低了一个数量级以上。我们的ethods 提供了一种高效且准确地研究 10^4 原子大型超胞缺陷声子的实用途径。
引用
@article{arxiv.2509.00498,
title = {"One defect, one potential" strategy for accurate machine learning prediction of defect phonons},
author = {Junjie Zhou and Xinpeng Li and Menglin Huang and Shiyou Chen},
journal= {arXiv preprint arXiv:2509.00498},
year = {2025}
}