一种用于铜纳米颗粒跨尺寸结构预测的多尺度专家混合模型
《npj Computational Materials》:A multi-scale mixture of experts model for cross-size structural prediction of Cu nanoparticles
【字体:
大
中
小
】
时间:2026年08月29日
来源:npj Computational Materials 13.1
编辑推荐:
摘要
在宽尺寸范围内预测金属纳米粒子的结构与能量学特性仍然充满挑战,因为不同相互作用尺度的平衡会随体系尺寸迅速变化。我们提出了一种针对铜团簇和纳米粒子的多尺度专家混合(MoE)架构,该架构通过三个专门化的机器学习原子间势专家,显式地将短程、中程和长程相互作用分离开来,并通过
摘要
在宽尺寸范围内预测金属纳米粒子的结构与能量学特性仍然充满挑战,因为不同相互作用尺度的平衡会随体系尺寸迅速变化。我们提出了一种针对铜团簇和纳米粒子的多尺度专家混合(MoE)架构,该架构通过三个专门化的机器学习原子间势专家,显式地将短程、中程和长程相互作用分离开来,并通过一个可学习的尺寸条件门控网络进行组合。由此得到的MoE将每个原子的能量汇总为一个单一的保守势,确保力可由能量梯度得出,从而实现稳定的分子动力学模拟。在混合团簇-纳米粒子测试集上,该MoE相较于现成的基础势和微调后的单专家基线均显著提升了精度。压力测试表明,力误差在不同团簇尺寸间保持相对稳定,并且在基于相似性度量的结构异常值分数所量化的形貌分布外偏移条件下,模型仍能保持稳健的能量学性能。学习到的门控权重进一步提供了一种可解释的、与尺寸相关的相互作用尺度分解。最后,通过与使用ONETEP代码的线性标度密度泛函理论进行验证,结合有限温度分子动力学测试,结果表明该模型具有能量学一致性、稳定的力的行为以及表现良好的动力学轨迹,支持将该模型用于跨纳米粒子尺寸的高效结构优化与构型采样。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号