玻璃态二氧化硅热力学稳定性的结构特征：来自机器学习与分子动力学模拟的见解
无序系统与神经网络
2021-01-20 v1 材料科学
摘要
利用机器学习以及通过熔融淬火与副本交换分子动力学模拟生成的 24,157 个本征结构库，研究了玻璃态二氧化硅中结构与热力学稳定性的关系。我们发现，热力学稳定性即本征结构的焓（）可由常用于表征无序结构的数值结构描述符，通过线性和非线性机器学习模型准确预测。我们发现短程特征在脆-强转变以下对热力学稳定性的指示性减弱。另一方面，中程特征，尤其是 2.8-~6 之间的特征，在液相与玻璃区域均显示出与 的一致相关性，并且在不同长度尺度的特征中被发现对稳定性预测最为关键。基于机器学习模型，我们确定了一组对二氧化硅玻璃稳定性最具预测力的五个结构特征。
引用
@article{arxiv.2011.01262,
title = {Structural Signatures for Thermodynamic Stability in Vitreous Silica: Insight from Machine Learning and Molecular Dynamics Simulations},
author = {Zheng Yu and Qitong Liu and Izabela Szlufarska and Bu Wang},
journal= {arXiv preprint arXiv:2011.01262},
year = {2021}
}