Virp：基于神经网络加速的无序材料物理性质预测
材料科学
2026-05-22 v1
摘要
在金属合金、陶瓷以及如水冰等常见化合物中，通常可以找到以概率形式表达晶体有序性的材料。在此类情况下，晶体中一个或多个位点可以根据一组概率被占据由多个元素或空位组成。这些晶体结构无法被常用的第一性原理材料仿真方法所覆盖，这些方法假设晶体具有完美的有序性。为克服这一限制，常用的方法包括准随机结构和簇扩散。这些方法是特定于系统的，并且计算成本高昂，因为它们依赖于大规模蒙特卡罗仿真放大的基本胞。为解决这些限制，我们提出了一种结合置换基虚拟单元生成算法、抽样 regime 和热力学后处理的管道，显著提高了针对无序材料的计算分析可行性。我们演示了仅需 400 个虚拟单元即可充分抽样巨大的配置空间，只要超胞定义足够大。
引用
@article{arxiv.2605.22234,
title = {Virp: neural network-accelerated prediction of physical properties in site-disordered materials},
author = {Andy Paul Chen and Martin Hoffmann Petersen and Kedar Hippalgaonkar},
journal= {arXiv preprint arXiv:2605.22234},
year = {2026}
}
备注
19 pages, 6 figures