Aprendizaje de interacciones de largo alcance en potenciales interatómicos de aprendizaje automático equivalentes a...

Área de la Ciencia:

• Ciencias de los materiales computacionales
• Aprendizaje automático
• Mecánica Cuántica

Sus antecedentes:

• Los potenciales interatómicos de aprendizaje automático (MLIP) ofrecen alternativas eficientes a las simulaciones mecánicas cuánticas.
• Los MLIP actuales que utilizan redes neuronales de gráficos luchan con las interacciones de largo alcance y la transferencia de carga debido a los descriptores locales.

Objetivo del estudio:

• Desarrollar un nuevo MLIP equivalente que incorpore explícitamente las interacciones de Coulomb de largo alcance.
• Mejorar la precisión y la eficiencia de los MLIP para sistemas con heterogeneidad de carga.

Principales métodos:

• Interacciones de Coulomb de largo alcance incorporadas mediante el tratamiento de grados de libertad electrónicos y distribución de carga global.
• Utilizó un esquema de equilibrio de carga basado en las electronegatividades atómicas predichas.
• Desarrolló un nuevo modelo equivalente MLIP.

Principales resultados:

• El nuevo MLIP supera a los MLIP existentes de corto y largo alcance en las predicciones de energía y fuerza.
• Logró una mayor precisión con un radio de corte más pequeño (4 Å) en comparación con los modelos de corto alcance (6 Å).
• Se ha demostrado un rendimiento superior tanto en conjuntos de datos de referencia periódicos como no periódicos.

Conclusiones:

• El MLIP desarrollado simula con precisión sistemas con interacciones de largo alcance y heterogeneidad de carga.
• Este avance amplía la aplicabilidad de los MLIP en la ciencia de los materiales computacionales.
• Ofrece un enfoque más eficiente y preciso para las simulaciones de materiales.