一种高通量训练半哈斯勒材料机器学习原子间势的方法

本发明公开了一种高通量训练半哈斯勒材料机器学习原子间势(MLIP)的方法。计算主要基于第一性原理MatHub‑3d数据库。数据库中共有273种半哈斯勒材料，根据它们在数据库中的能带结构和声子谱，筛选得到130种声子谱没有虚频且带隙大于0.1eV的稳定半导体半哈斯勒结构。然后应用双重自适应取样(DAS)方法，对每个半哈斯勒材料分别训练3个MLIP模型，并通过与密度泛函理论(DFT)计算的结果进行对比验证了模型的准确性。本发明方法通过高通量训练，能够提高效率，达到快速训练得到目标材料体系的MLIP模型的目的，有利于为热电材料的设计提供理论参考。
上海大学
杨炯 | 林一飞 | 席丽丽