Integração de potenciais interatômicos de aprendizado de máquina com otimização em lote para previsão de estrutura cristalina

Key Points

• Esta pesquisa visa aprimorar a previsão de estrutura cristalina usando potenciais interatômicos de aprendizado de máquina e técnicas de otimização.
• Desenvolveu um modelo de aprendizado de máquina para potenciais interatômicos.
• Empregou uma abordagem de otimização em lote para amostrar paisagens de empacotamento.
• Analisou diferenças de energia dentro de estruturas cristalinas moleculares.
• Redução significativa nos recursos computacionais necessários para a previsão de estrutura cristalina.
• Precisão aprimorada na resolução de diferenças de energia entre estruturas concorrentes.
• Demonstrou eficiência em diversos sistemas moleculares.