电响应的统一可微学习

预测材料对外部刺激的响应是计算材料科学的一个主要目标。然而，由于计算成本的不利标度，当前方法仅限于小规模模拟。本文实现了一个等变机器学习框架，其中响应性质源于广义势函数与外加外部场之间的精确微分关系。聚焦于对电场的响应，该方法在一个统一模型中预测电焓、力、极化、玻恩电荷和极化率，该模型强制执行全套精确的物理约束、对称性和守恒定律。通过对$\alpha$-SiO$_2$的应用，我们证明了我们的方法可用于预测材料的振动和介电性质，并以前所未有的精度和规模在任意电场下进行大规模动力学模拟。我们将该方法应用于铁电BaTiO$_3$，并捕捉到了磁滞回线的温度依赖性和时间演化，揭示了支配铁电畴翻转的成核与生长的微观机制。