KI und die schwierigen Probleme der Welt · Chemie & Materialien · arXiv · 2026-10-22
Ein kombiniertes Tight-Binding- und Machine-Learning-Potenzialmodell für Magnesiumverbindungen
Originaltitel: A Combined Tight Binding with Machine Learning Potential Model for Magnesium Compounds
Die Autoren präsentieren DFTB+MACE, ein Modell für magnesiumbasierte Systeme, das Density Functional Tight Binding mit dem Machine-Learning-Interatomarpotential MACE kombiniert und das konventionelle repulsive Paarpotential durch ein Many-Body-MACE-Potential ersetzt, das auf DFT-DFTB-Differenzen von Energien und Kräften trainiert wurde. Sie wenden es auf die strukturelle Relaxation von MgO-CO2-Adsorptionssystemen, die Molekulardynamik von Wasserclustern und die Phononenspektren von stabilem fcc-MgO und metastabilem bcc-MgO an. Das Modell verbessert die Genauigkeit gegenüber Paarpotential-DFTB bei nur moderatem Zusatzaufwand und liefert elektronische Strukturen, die die meisten Machine-Learning-Potentiale nicht bieten können.