材料的未来是无形的吗? 模拟无形材料的挑战和机遇
Ata Madanchi1, Emna Azek2, Karim Zongo3
1Department of Physics, McGill University, Montréal, Québec H3A 2T8, Canada.
ACS physical chemistry Au
|January 27, 2025
概括
发现新的无形材料需要计算和实验方法之间的更好的协同作用. 本综述通过讨论用于无形物质模拟的ARTn,RMC和机器学习等技术来弥合差距.
科学领域:
- 材料科学 材料科学 材料科学
- 计算材料科学科学 计算材料科学
- 凝聚物质物理学 凝聚物质物理学
背景情况:
- 无形固体代表了一个庞大而未充分利用的材料类.
- 弥合计算模拟和实验验证之间的差距对于推进无形材料发现至关重要.
- 当前的计算方法在可访问的时间和长度尺度上面临限制.
研究的目的:
- 审查目前用于无形材料的计算技术.
- 突出计算模拟和实验发现之间的差异.
- 引入先进的计算方法,包括机器学习,用于模拟无形物质.
主要方法:
- 讨论已建立的方法:激活放松技术新 (ARTn) 和反向蒙特卡洛 (RMC).
- 引入新兴技术:机器学习原子间潜力 (MLIP) 和无形物质的生成机器学习 (例如,MAP).
- 从无形,和分子玻璃中分析示例.
主要成果:
- 在无形材料中的计算预测和实验观测之间的关键差距的识别.
- 证明ARTn和RMC在模拟无形结构中的实用性.
- 展示MLIP和生成ML在扩展模拟能力方面的潜力.
结论:
- 计算和实验方法的增强融合对于无形材料的发现至关重要.
- 先进的计算方法,特别是MLIP和生成式ML,为克服当前限制提供了有希望的途径.
- 未来的研究应该专注于开发新的计算方法,以在无形物质模拟中访问更长的时间和长度尺度.


