来自机器学习驱动的分子动力学的无形中的准晶性特征.
Louise A M Rosset1, David A Drabold2, Volker L Deringer3
1Department of Chemistry, University of Oxford, Oxford, UK.
Nature communications
|March 11, 2025
概括
这项研究表明,无形中的局部结构秩序或准晶性与实验数据一致. 我们的模拟统一了关于无形结构的相互矛盾的理论.
科学领域:
- 材料科学 材料科学 材料科学
- 凝聚物质物理学 凝聚物质物理学
- 计算材料科学科学 计算材料科学
背景情况:
- 几十年来对无形结构的研究产生了两个主要理论:连续随机网络和准晶体模型.
- 准晶体模型表明无形网络中的局部结构秩序,但其范围和实验验证仍在争论中.
- 相互矛盾的实验解释阻碍了对无形结构的统一理解.
研究的目的:
- 调查对晶体模型与无形的实验观测的兼容性.
- 通过先进的模拟技术,阐明中无形化和结晶化之间的界限.
- 为现有的关于无形结构的看似矛盾的理论提供统一的解释.
主要方法:
- 利用量子力学精确的机器学习驱动模拟来探索的配置空间.
- 系统地采样配置以定义无形化-结晶界限.
- 使用结构和局部能量描述符分析模拟数据.
主要成果:
- 证明了对晶体的签名与无形的实验数据一致.
- 模拟结果支持对晶体模型在解释实验观测中的有效性.
- 建立了一个统一的框架,协调连续随机网络和准晶体理论.
结论:
- 准晶体模型为无形中的实验发现提供了一致的解释.
- 先进的模拟为无形材料的结构细微差别提供了关键的见解.
- 这项工作统一了关于无形结构的长期争论.


