基于自动微分的应力与热通量计算

机器学习势提供了对玻恩-奥本海默势能面的计算高效且精确的近似。该势能决定了许多材料性质，而模拟技术通常需要其梯度，特别是分子动力学中的力和应力，以及热输运性质中的热通量。近期发展的势具有高阶体序，并可通过消息传递机制包含等变半局域相互作用。由于其复杂的函数形式，它们依赖自动微分（AD），从而无需手动实现或有限差分方案来计算梯度。本研究展示了一种统一的AD方法，用于获取此类势的力、应力和热通量，并提供了与模型无关的实现。该方法在伦纳德-琼斯势上进行了测试，随后应用于使用等变消息传递神经网络势预测硒化锡的凝聚性质与热导率。