AI 與世界的難題 · 化學與材料 · arXiv · 2026-10-22
結合緊束縛法與機器學習勢能的鎂化合物模型
原標題: A Combined Tight Binding with Machine Learning Potential Model for Magnesium Compounds
作者提出 DFTB+MACE，這是針對鎂基系統的模型，結合密度泛函緊束縛法（density functional tight binding）與機器學習原子間位勢 MACE，以在 DFT-DFTB 能量與力差異上訓練的多體 MACE 位勢，取代傳統的成對排斥位勢。他們將其應用於 MgO-CO2 吸附系統的結構鬆弛、水團簇的分子動力學，以及穩定 fcc-MgO 與亞穩態 bcc-MgO 的聲子譜。相較於成對位勢 DFTB，該模型僅以適度的額外成本即提升準確度，並能提供大多數機器學習位勢無法給出的電子結構。