多项式机器学习势对22种元素体系液态的预测能力
材料科学
2025-11-10 v2
摘要
由多项式旋转不变量描述的多项式机器学习势（MLP）已针对多种体系得到系统发展，并广泛应用于晶态的各种应用中。本研究系统考察了多项式MLP对22种具有不同化学键特性的元素体系液态结构性质的预测能力，其中包括表现出异常熔化行为的体系，如Si、Ge和Bi。我们比较了使用密度泛函理论（DFT）计算、多项式MLP以及文献中其他原子间势进行分子动力学模拟所获得的液态结构性质。当前结果表明，多项式MLP对液态结构性质始终表现出高预测能力，其精度与典型的DFT计算相当。
引用
@article{arxiv.2401.14877,
title = {Predictive power of polynomial machine learning potentials for liquid states in 22 elemental systems},
author = {Hayato Wakai and Atsuto Seko and Hirosato Izuta and Takayuki Nishiyama and Isao Tanaka},
journal= {arXiv preprint arXiv:2401.14877},
year = {2025}
}
备注
REVTeX 4-2, 30 pages with 35 figures