第一性原理分子动力学中电子结构的神经网络表达（英文）

作者：顾强强; **峰; 冯济^*

来源：Science Bulletin, 2022, 67(01): 29-37.

• Neural network
• Tight-binding model
• Electronic structure
• ab initio molecular dynamics

第一性原理分子动力学模拟过程中产生海量包含丰富电子结构信息的数据,未被充分利用.本文提出一种通过预测晶体材料紧束缚模型的形式,高效、准确地表达第一性原理电子结构的神经网络方法TBworks. TBworks可以结合机器学习分子动力学方法,快速实现复杂体系的分子动力学模拟和电子结构采样,计算电子关联函数以及相应的物理性质.以一维电荷密度波材料碳炔链为应用示例,本文基于TBworks研究了正则系综下的电子谱函数和光电导率,以及孤子–反孤子对湮灭的动力学过程中电子的非绝热演化,发现由于超越波恩–奥本海默近似的动力学效应对电子谱函数的低能模式的修正.该方法为研究动力学体系提供了准确、高效、可重复使用的第一性原理电子结构的代理模型,极大地提高了电子结构的计算效率和模拟尺度,使得对一些由于计算瓶颈无法或者难以进行的新奇性质和现象的研究成为可能.

• 单位
  北京大学