1. Comparison of Features

[文章 Accuracy evaluation of different machine learning force field features]

这项工作比较了 PWMLFF 中的特征类型 在描述物理系统能力方面的差异。这些特征类型包括余弦特征、高斯特征、矩张量势(MTP)特征、光谱邻域分析势特征、具有切比雪夫多项式特征和高斯多项式特征的简化光滑深势以及原子簇展开特征。特征的详细介绍请参考Feature Wiki。

DFT数据

对于硫系统，在300K和1500K下进行了NVT AIMD模拟，并在300K进行了2 ps的分子动力学模拟。通过这些模拟获得了2000个300K下的结构。对于1500K，进行了3 ps的分子动力学模拟，然后进行了2 ps的AIMD模拟，获得了1500K的训练数据集。硫环在模拟过程中破裂，呈现出了破裂键的系统结构。

对于碳系统，选择了4种不同的碳结构相，进行了从300K到3500K的NVT AIMD模拟。为了覆盖更广泛的构型空间，还在训练数据集中添加了3500K的高温模拟结果。每种碳相进行了1000步的模拟，共获得了4000个结构作为训练数据集。

System	Description	Temperature (K)	Steps (fs)
Sulfur-300 K	α-S 128 atoms	300	2000
Sulfur-1500 K	128 atoms	1500	2000
Diamond	64 atoms	300–3500	1000
Graphene	64 atoms	300–3500	1000
Graphenylene	64 atoms	300–3500	1000
M-carbon	64 atoms	300–3500	1000

硫和碳系统的细节及其AIMD步骤

部分实验结果

不同特征类型的硫-300 K数据集(实线)和硫-1500 K数据集(虚线)对(a)总能量、(b)原子能量、(c)力、(d)损失函数的训练误差。

碳系统与不同特征类型组合数据集对(a)总能量、(b)原子能量、(c)力、(d)损失函数的训练误差。