基于贝叶斯推断在线训练的机器学习力场模拟杂化钙钛矿的相变
材料科学
2019-06-12 v1
摘要
对物质的真实有限温度模拟对第一性原理方法而言是巨大的挑战。需要长的模拟时间和大的长度尺度，耗费数年计算时间。本文提出一种在线机器学习方案，在分子动力学模拟过程中自动生成力场。这打开了所需的时间和长度尺度，同时保留第一性原理方法独特的化学精度，并最小化人工干预需求。该方法广泛适用于多元素复杂体系。我们在杂化钙钛矿的熵驱动相变上展示了其预测能力，该相变从未在模拟中被准确描述。利用机器学习势，等温等压模拟直接洞察了潜在的微观机制。最后，我们将不同钙钛矿的相变温度与所涉及物种的半径联系起来，并在朗道理论中确定了相变的级数。
引用
@article{arxiv.1903.09613,
title = {Phase transitions of hybrid perovskites simulated by machine-learning force fields trained on-the-fly with Bayesian inference},
author = {Ryosuke Jinnouchi and Jonathan Lahnsteiner and Ferenc Karsai and Georg Kresse and Menno Bokdam},
journal= {arXiv preprint arXiv:1903.09613},
year = {2019}
}