通用机器学习原子势能已准备好用于声子计算
材料科学
2025-05-09 v2 计算物理
摘要
过去几年间，开发最佳通用机器学习原子势能模型一直处于激烈竞争之中。这种进展导致模型对能量、力和应力的预测越来越准确，结合创新的模型架构与大数据。本文对这些模型在预测谐波声子属性方面的能力进行基准测试，这些属性对于理解材料的振动与热力学行为至关重要。我们使用约10 000个 ab initio 声子计算，对各种声子相关参数进行评估，以测试这些模型的通用适用性。结果显示，一些模型在预测谐波声子属性方面取得了高精度。然而，其他模型即便在预测接近动态平衡条件下材料的能量和力方面也表现出显著不准确。这一发现凸显了在开发通用机器学习原子势能时，必须考虑声子相关属性的重要性。
引用
@article{arxiv.2412.16551,
title = {Universal Machine Learning Interatomic Potentials are Ready for Phonons},
author = {Antoine Loew and Dewen Sun and Hai-Chen Wang and Silvana Botti and Miguel A. L. Marques},
journal= {arXiv preprint arXiv:2412.16551},
year = {2025}
}