面向适用于 45 种元素任意组合的通用神经网络势用于材料发现
材料科学
2022-07-06 v2 计算物理
摘要
计算材料发现因其探索化学系统广阔空间的能力而受到深入研究。神经网络势（NNPs）已被证明在此类原子尺度模拟中特别有效。然而，现有的 NNP 通常针对狭窄的目标材料设计，使其不适合材料发现中的更广泛应用。为克服此问题，我们开发了一种称为 PreFerred Potential（PFP）的通用 NNP，能够处理 45 种元素的任意组合。我们特别强调了数据集，其中包括用于实现通用性的多样化虚拟结构集合。我们展示了 PFP 在若干选定领域的适用性：LiFeSOF 中的锂扩散、金属有机框架中的分子吸附、Cu-Au 合金的有序-无序转变，以及费托催化剂的材料发现。它们展示了 PFP 的能力，该技术为材料发现提供了极有用的工具。
引用
@article{arxiv.2106.14583,
title = {Towards Universal Neural Network Potential for Material Discovery Applicable to Arbitrary Combination of 45 Elements},
author = {So Takamoto and Chikashi Shinagawa and Daisuke Motoki and Kosuke Nakago and Wenwen Li and Iori Kurata and Taku Watanabe and Yoshihiro Yayama and Hiroki Iriguchi and Yusuke Asano and Tasuku Onodera and Takafumi Ishii and Takao Kudo and Hideki Ono and Ryohto Sawada and Ryuichiro Ishitani and Marc Ong and Taiki Yamaguchi and Toshiki Kataoka and Akihide Hayashi and Nontawat Charoenphakdee and Takeshi Ibuka},
journal= {arXiv preprint arXiv:2106.14583},
year = {2022}
}
备注
Previous title: "PFP: Universal Neural Network Potential for Material Discovery"