基于主成分分析的卤化物（Cl、Br）在Cu(100)表面吸附的降共线性低维团簇展开模型
无序系统与神经网络
2023-07-24 v1
摘要
团簇展开模型（CEM）为快速估计无序体系的构型性质提供了强大的计算框架。然而，传统的CEM构建过程仍受两个基本问题困扰：（i）即使模型中仅包含少数几种位点团簇类型，这些团簇也可能相关，因而无法独立预测材料性质；（ii）训练模型通常需要数十至数百个数据点。为解决共线性这一首要问题，我们应用主成分分析方法来构建CEM。所示方法可得到一个低维CEM，其可使用小型DFT数据集训练。我们以Cl与Br在Cu(100)表面吸附的第一性原理热力学建模为例演示这些概念。一个关键结果是，仅用8个DFT能量（注意，训练构型数 > 主成分数）构建的含10个有效团簇相互作用的CEM被发现有准确性，且所得热力学行为与实验一致。这为利用稀疏/有限DFT数据构建高保真CEM铺平了道路。
引用
@article{arxiv.2307.11698,
title = {Reduced collinearity, low-dimensional cluster expansion model for adsorption of halides (Cl, Br) on Cu(100) surface using principal component analysis},
author = {Bibek Dash and Suhail Haque and Abhijit Chatterjee},
journal= {arXiv preprint arXiv:2307.11698},
year = {2023}
}
备注
36 pages, 12 figures