L'IA face aux grands problèmes du monde · Chimie et matériaux · arXiv · 2026-10-22
Un modèle combinant tight binding et potentiel d'apprentissage automatique pour les composés de magnésium
Titre original: A Combined Tight Binding with Machine Learning Potential Model for Magnesium Compounds
Les auteurs présentent DFTB+MACE, un modèle pour les systèmes à base de magnésium qui combine le tight binding par fonctionnelle de la densité avec le potentiel interatomique d'apprentissage automatique MACE, en remplaçant le potentiel répulsif de paire conventionnel par un potentiel MACE à plusieurs corps entraîné sur les différences d'énergie et de force DFT-DFTB. Ils l'appliquent à la relaxation structurale de systèmes d'adsorption MgO-CO2, à la dynamique moléculaire d'agrégats d'eau et aux spectres de phonons du fcc-MgO stable et du bcc-MgO métastable. Le modèle améliore la précision par rapport à la DFTB à potentiel de paire pour un surcoût seulement modéré et fournit des structures électroniques que la plupart des potentiels d'apprentissage automatique ne peuvent fournir.