Accurate melting point prediction through autonomous physics-informed learning

要約

NPT アンサンブルにおける共存シミュレーションから自律的に学習して融点を計算するアルゴリズムを提案します。
この方法では、原子間相互作用モデルを考慮して、シミュレーションを実行する原子の数と温度を決定し、収集したデータに基づいて融点と不確実性を予測します。これは、より多くのデータを使用することで系統的に改善できます。
固体と液体の共存進化の物理モデルを組み込むことでアルゴリズムの精度が向上し、予測の不確実性を効果的に低減するための最適な意思決定がどのように可能になるかを実証します。
私たちのアプローチを検証するために、文献からの 20 件の融点計算の結果と、すべて同じ原子間ポテンシャルで行われた計算の結果を比較します。
驚くべきことに、ケースの約 3 分の 1 で重大な逸脱が観察されており、材料特性計算には正確で信頼性の高いアルゴリズムの必要性が強調されています。

要約(オリジナル)

We present an algorithm for computing melting points by autonomously learning from coexistence simulations in the NPT ensemble. Given the interatomic interaction model, the method makes decisions regarding the number of atoms and temperature at which to conduct simulations, and based on the collected data predicts the melting point along with the uncertainty, which can be systematically improved with more data. We demonstrate how incorporating physical models of the solid-liquid coexistence evolution enhances the algorithm’s accuracy and enables optimal decision-making to effectively reduce predictive uncertainty. To validate our approach, we compare the results of 20 melting point calculations from the literature to the results of our calculations, all conducted with same interatomic potentials. Remarkably, we observe significant deviations in about one-third of the cases, underscoring the need for accurate and reliable algorithms for materials property calculations.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google