KI und die schwierigen Probleme der Welt · Chemie & Materialien · arXiv · 2026-10-19
Skalierbare maschinell gelernte Wechselwirkungspotenziale mit großer Reichweite und elektrischer Antwort für die atomistische Materialmodellierung
Originaltitel: Scalable long-range machine learning interatomic potentials with electrical response for atomistic material modeling
Die Arbeit stellt DPA4C-LR vor, ein maschinell gelerntes interatomares Potenzial, das weitreichende Elektrostatik und elektrische Antwort behandelt und zugleich eine verteilte Auswertung ermöglicht. Es trennt weitreichende elektrostatische Kräfte und Born-effektive Ladungen in eine globale Berechnung und lokale Ableitungen gelernter latenter Ladungen. Das Modell skaliert auf 5,2 Millionen Atome auf vier GPUs bei etwa dem doppelten Aufwand seines kurzreichweitigen Backbones und reproduziert die feldabhängigen Infrarotspektren von Wasser sowie die Polarisationshysterese eines Relaxor-Ferroelektrikums. Außerdem sagt es die Ionenleitfähigkeit einer amorphen Li-basierten Verbindung bei Raumtemperatur voraus.