作者:NCCR国家研究中心(漫威) 压缩运行不同阶段的电子态密度 将电子结构计算和机器学习技术相结合已经成为物质原子建模的一种常用方法
例如，将这两种技术结合使用，使得研究人员能够创建模型，将原子坐标作为唯一的输入，以低廉的价格预测任何可以通过训练它们的第一性原理计算来计算的属性
虽然最早和目前最先进的努力集中在使用总能量和原子力的预测来构建原子间势，但最近的努力针对晶体和分子的附加属性，例如电离能、核磁共振化学屏蔽、介电响应属性和电荷密度
在论文《学习凝聚态的电子密度》中，塞里奥提和他的同事们集中讨论了电子密度，这是构成许多有用材料性质的另一个量，其中一些可以通过实验观察到
DOS本质上是电子在特定能级上所能占据的不同态的数目，例如，可以用来计算电子对金属热容量的贡献和半导体中自由电荷载流子的密度
它是能带隙、能带能量和光吸收光谱等性质的间接代表
塞里奥提说:“预测DOS本身就是一个有趣的练习，因为它本质上是对基态图像之外的电子结构最简单的描述。”
“它也很有用，因为有许多属性可以从操作系统开始计算，这是下一代最大似然模型如何以类似于电子结构计算的方式使用的一个很好的例子，以间接的方式使用它们来计算中间量，然后可以很容易地处理这些中间量来评估更难直接学习的属性
" 在开发模型的过程中，团队希望确保跨不同阶段的可移植性以及对大型系统的可伸缩性
他们的最终方法，着眼于不同的原子配置如何影响能级的分布，达到了这些目标——它能够为不同的硅结构数据集学习和预测密度泛函理论计算的密度泛函理论，涵盖广泛的热力学条件和不同的相
它也是线性缩放的，而不是像电子结构计算那样随着原子数量的立方而缩放，这使得它适用于大型结构
最后，该模型允许对局部DOS进行分析，使研究人员有机会研究结构基序和电子结构之间的相互作用
对大系统规模的预测的可传递性和可扩展性的结合，使得该模型适用于解决材料科学中的长期未决问题
在今天发表在《自然》杂志上的一篇论文中，新的框架已经被用来阐明非晶硅的100，000个原子模拟的电子性质，当压缩到20 Gpa时，非晶硅经历了一系列的相变。这篇论文是与牛津大学、剑桥大学、美国海军研究实验室和俄亥俄大学的研究人员合作发表的
预测的双态密度还被用来解释压力诱导的结构转变是如何与材料的电子结构相耦合的
将新模型与一个公认的势能模型相结合，还可以计算出电子对金属热容量等宏观特性的贡献，并进行考虑有限电子温度效应的模拟——正如另一篇即将发表的讨论镍高温特性的文章所展示的那样
事实上，新模型是漫威实现其开发集成机器学习模型目标的关键一步，该模型可以增强——或许最终取代——昂贵的电子结构计算
“除了电子态密度之外，还有其他性质，如光激发和核磁共振响应，我们已经能够通过机器学习准确预测这些性质
”塞里奥提说
“如果我们能把它们与廉价而精确的原子间势结合起来使用，这将使我们能够以与电子结构计算相同的精度描述材料的所有性质，但成本很小
"
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
