Machine learning surrogate models for strain-dependent vibrational properties and migration rates of point defects
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Machine learning surrogate models employing atomic environment descriptors have found wide applicability in materials science. In our previous work, this approach yielded accurate and transferable predictions of the vibrational formation entropy of point defects for $\mathcal{O}(N)$ computational cost. The present study investigates the limits of data driven surrogate models in accuracy and applicability for vibrational properties. We propose an improvement of the accuracy by extending the fitting capacity of the model by increasing the dimension of the descriptor space. This is achieved by using a nonlinear relation between descriptors---target observables and when it is possible by including physical relevant information of the underlying energy landscape. The nonlinear extension is used to learn the formation entropy of defects with or without applied strain while including physical information, such as the minimum-saddle point sequences employed for the migration of point defects, is a key ingredient of transition state theory rate approximations. We find excellent predictive power after augmenting the dimensionality of the descriptor space, as demonstrated on large defect databases in $\ensuremath{\alpha}$-iron and amorphous silicon based on semiempirical force fields. The current linear surrogate models are used to investigate the correlation between migration entropy and energy. Our approaches reproduce the Meyer-Neldel compensation law observed from direct calculations in amorphous Si systems. Moreover, the same abstract descriptor space representation for entropy and energy is then used for the statistical correlation analysis. For linear surrogate models, we show that the energy-entropy statistical correlations can be reinterpreted in descriptor space. This provides a simple statistical criterion for the marginal interpretation of the compensation law. More generally, the present work shows how linear surrogate models can accelerate high-throughput workflows, aid the construction of mesoscale material models, and provide new avenues for correlation analysis.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle