11、机器学习在原子系统与交换关联泛函研究中的应用

机器学习在原子系统与交换关联泛函研究中的应用

1. 原子系统的体素化表示

在材料建模领域，构建高保真的结构 - 属性关系是一项关键任务。原子结构的体素化表示为此提供了一种有效的方法。

首先，连续微观结构函数是对材料结构的一种数学严谨定义，它与长度尺度无关。而离散（即体素化）微观结构函数的等效数学定义在所有长度尺度上都是一致的。

微观结构函数的应用十分广泛：
- 量化局部材料结构 ：通过系统地选择材料系统的参考轴，微观结构函数可以直接量化局部材料结构。
- 量化全局材料结构 ：利用n点空间相关函数，微观结构函数能够对全局材料结构进行统计量化。

在开发结构 - 属性关系时，数值计算和量化微观结构函数需要考虑以下实际因素：
1. 计算方法的选择 ：根据具体问题选择合适的数值计算方法。
2. 数据的准确性 ：确保输入数据的准确性，以提高量化结果的可靠性。
3. 计算效率 ：优化计算过程，提高计算效率。

VASt框架在结构 - 属性关系的开发中表现出色：
- 开发MLIPs ：VASt框架可用于开发机器学习原子间势（MLIPs）。例如，VASt MLIP能够准确预测硅在一系列静水应变下的热导率。
- 化合物发现 ：VASt框架在化合物发现方面也有显著成效。以AlNbTiZr高熵合金（RHEA）为例，VASt均质化模型仅使