AI और दुनिया की कठिन समस्याएँ · रसायन विज्ञान और पदार्थ · arXiv · 2026-10-22

मैग्नीशियम यौगिकों के लिए मशीन लर्निंग पोटेंशियल के साथ संयुक्त टाइट बाइंडिंग मॉडल

मूल शीर्षक: A Combined Tight Binding with Machine Learning Potential Model for Magnesium Compounds

लेखक DFTB+MACE प्रस्तुत करते हैं — मैग्नीशियम-आधारित तंत्रों के लिए एक मॉडल, जो डेंसिटी फंक्शनल टाइट बाइंडिंग को मशीन लर्निंग अंतरपरमाण्विक विभव MACE के साथ जोड़ता है और पारंपरिक प्रतिकर्षी युग्म विभव को DFT-DFTB ऊर्जा तथा बल अंतरों पर प्रशिक्षित एक बहुपिंड MACE विभव से प्रतिस्थापित करता है। वे इसे MgO-CO2 अधिशोषण तंत्रों की संरचनात्मक विश्रांति, जल क्लस्टरों की आण्विक गतिकी, तथा स्थायी fcc-MgO और अर्धस्थायी bcc-MgO के फोनॉन स्पेक्ट्रा पर लागू करते हैं। केवल मध्यम अतिरिक्त लागत पर यह मॉडल युग्म-विभव DFTB की तुलना में बेहतर सटीकता प्रदान करता है और ऐसी इलेक्ट्रॉनिक संरचनाएँ देता है जो अधिकांश मशीन लर्निंग विभव नहीं दे सकते।

मूल लेख पढ़ें ↗

सभी आइटम →