利用机器学习与人工智能描述并驱动晶体成核的近期进展
统计力学
2024-04-05 v2
摘要
随着过去几十年更快的计算机处理器尤其是图形处理单元（GPU）的出现，数据密集型的机器学习（ML）与人工智能（AI）的使用大幅增加，晶体成核的研究便是受益者之一。在本综述中，我们概述了 ML 与 AI 如何被应用于解决晶体成核的四个突出难题：如何发现更好的反应坐标（RC）以准确描述非经典成核情形；开发更精确的力场以描述单一体系的多晶型或相的成核；更稳健的用于判定晶体相与结构的识别方法；以及作为一种获得改进粗粒化模型以研究成核的方法。
引用
@article{arxiv.2304.13815,
title = {Recent advances in describing and driving crystal nucleation using machine learning and artificial intelligence},
author = {Eric R. Beyerle and Ziyue Zou and Pratyush Tiwary},
journal= {arXiv preprint arXiv:2304.13815},
year = {2024}
}
备注
15 pages; 1 figure