A dislocation-aware active learned interatomic potential for Bi1-xSbx

Moon‐ki Choi

doi:10.1016/j.commatsci.2026.114796

A dislocation-aware active learned interatomic potential for Bi1-xSbx

2026-05-01

0

PRE

AI

DOI：10.1016/j.commatsci.2026.114796

原文链接

原文求助

摘要

En 中文

我们介绍了一种力跟随主动学习算法，该算法将密度泛函理论（DFT）与高斯近似势（GAP）框架相结合，以开发拓扑绝缘体Bi₁₋ₓSbₓ中位错的高鲁棒性原子间势（IP）。从在应变Bi-Sb二元体系晶胞数据上训练的初始势IP₀出发，我们的主动学习策略在结构弛豫过程中迭代优化IP。在每个循环中，如果位错核心附近任何原子的力不确定性超过阈值，则通过纳入包含最高不确定性原子及其周围局部环境的代表性结构的DFT计算总能量和原子力，高效地重新训练IPᵢ（IPᵢ→IPᵢ₊₁）。该策略确保弛豫过程在达到完全收敛前保持低力不确定性。在本工作中，我们将该框架应用于Bi₇Sb₁中的[100]刃位错。因此，最终IP IPf具备两种能力：（1）重现主动学习过程中观察到的弛豫路径，而初始IP₀缺乏先验位错核心知识；（2）捕捉不同Sb浓度下Bi-Sb二元体系的晶格和弹性性质。我们还评估了位错性质（派尔斯应力和压缩产生的位错）以评估具有位错认知能力的IPf的性能。

Keyword:

Active learning

Molecular dynamics simulation

Dislocation

Topological insulator

Machine learning interatomic potential

Density functional theory

A dislocation-aware active learned interatomic potential for Bi1-xSbx

摘要

期刊

机构

引用论文