基于经典自旋-晶格动力学的量子精度磁弹性预测
材料科学
2022-12-07 v3
摘要
本文提出一种数据驱动框架，用于构建磁弹性机器学习原子间势（ML-IAPs）以进行大规模自旋-晶格动力学模拟。磁弹性ML-IAPs通过将集体原子自旋模型与ML-IAP耦合而构造。二者共同表示一个势能面，从中计算原子上的机械力与原子自旋的进动动力学。原子自旋模型与ML-IAP均基于第一性原理计算数据参数化。我们通过为 {\alpha}-铁生成磁弹性ML-IAP，展示了该数据驱动框架在磁结构相变中的有效性。该联合势能面与第一性原理磁弹性计算高度吻合，并对铁磁-顺磁相变中体模量、磁化强度与比热等多种材料性质给出定量预测。
引用
@article{arxiv.2101.07332,
title = {Quantum-accurate magneto-elastic predictions with classical spin-lattice dynamics},
author = {Svetoslav Nikolov and Mitchell A. Wood and Attila Cangi and Jean-Bernard Maillet and Mihai-Cosmin Marinica and Aidan P. Thompson and Michael P. Desjarlais and Julien Tranchida},
journal= {arXiv preprint arXiv:2101.07332},
year = {2022}
}
备注
15 pages, 6 figures, 2 tables