양자 핵 운동 고려한 유한 온도 결정 구조 예측

유한 온도에서 양자 비조화 효과를 포함하는 신뢰할 수 있는 결정 구조 예측(CSP)은 여전히 어려운 과제이지만, 초전도성 수소화물과 같이 가벼운 원자를 포함하는 시스템에 특히 중요합니다. 본 연구에서는 머신러닝 기반 원자간 포텐셜(MLIP)과 확률적 자가 일관성 조화 근사(SSCHA)를 통합하여 양자 비조화 자유 에너지 지형에서 진화론적 CSP를 가능하게 했습니다. LaH10을 테스트 사례로 사용하여 세 가지 접근 방식을 비교했습니다. 첫째, 실시간으로 훈련되는 능동 학습 MLIP(AL-MLIP). 둘째, 범용 MLIP(uMLIP). 셋째, SSCHA 앙상블 데이터로 훈련된 온도 의존 유효 포텐셜(TDEP)입니다. AL-MLIP는 입방정 Fm-3m 상을 정확하게 예측했지만 일관된 결과를 위해서는 열역학적 섭동 이론 보정이 필요했습니다. 기초 uMLIP인 Mattersim-5m은 구조별 훈련 없이 SSCHA 기반 CSP를 가능하게 하지만, 더 높은 정확도를 위해서는 미세 조정이 필요했습니다. SSCHA 데이터로 훈련된 TDEP는 양자 비조화 자유 에너지 지형에서 큰 단위 셀에 대해 정확하고 매우 효율적인 CSP를 가능하게 했습니다. 본 연구는 양자 비조화성이 자유 에너지 지형을 단순화하며, LaH10 구조의 정확한 에너지 순위 결정에 필수적임을 입증했습니다. 이 방법론은 가벼운 원자를 포함하는 재료의 유한 온도 거동을 이해하고 예측하는 데 중요한 기여를 할 것입니다.