利用可解释图神经网络范式逐个原子量化无序度
无序系统与神经网络
2023-08-02 v2 介观与纳米尺度物理
材料科学
摘要
量化材料内部的原子无序程度对于理解不断演变的局部结构环境如何决定性能和耐久性至关重要。在此，我们利用图神经网络定义了一个物理上可解释的局部无序度度量。该度量将局部原子构型的多样性编码为介于固相和液相之间的连续谱，并依据热扰动分布进行量化。我们将这一新颖方法应用于三个具有不同无序程度的典型示例：（1）固液界面，（2）多晶微观结构，以及（3）晶界。以元素铝为例，我们展示了我们的范式如何追踪界面的时空演化，并纳入了对有序与无序之间空间边界的数学定义描述。我们进一步展示了如何从连续无序场中提取保留物理信息的梯度，这些梯度可用于理解和预测材料性能与失效。总体而言，我们的框架提供了一条直观且可推广的途径，用以量化复杂局部原子结构与粗粒化材料现象之间的关系。
引用
@article{arxiv.2203.10177,
title = {Quantifying Disorder One Atom at a Time Using an Interpretable Graph Neural Network Paradigm},
author = {James Chapman and Tim Hsu and Xiao Chen and Tae Wook Heo and Brandon C. Wood},
journal= {arXiv preprint arXiv:2203.10177},
year = {2023}
}