19、机器学习在静态和动态电子结构计算中的应用

机器学习在静态和动态电子结构计算中的应用

1. 机器学习助力电子结构计算概述

近年来，机器学习在电子结构计算领域展现出巨大潜力，为加速相关计算提供了新途径。通过结合密度泛函理论和机器学习技术，能够有效处理静态和动态电子结构的计算问题。

2. 静态电子结构计算中的机器学习应用

2.1 MALA 代理模型的作用

MALA 代理模型在静态电子结构计算中发挥着重要作用。它可以直接获取能带能量、总能量、态密度和电子密度等信息，可用于多种研究。例如，能够准确重现铍的电子结构，还能正确捕捉多种构型（如液态和固态铝）的电子结构。

2.2 MALA 模型的应用拓展

• 与蒙特卡罗模拟结合 ：将 MALA 与经典蒙特卡罗模拟相结合，有望用于研究熔化曲线或相变。
• 引入原子力 ：在 MALA 中引入原子力是当前的研究项目，这将使大规模分子动力学（MD）模拟成为可能。
• 尺寸转移特性 ：MALA 模型具有尺寸转移特性，即可以在少量原子（如 128 个原子）上进行训练，然后对大量原子（如数万甚至数十万个原子）进行推理。初步研究结果表明这种应用是可行的。

2.3 静态电子结构计算应用列表

应用场景	具体说明
材料电子结构研究