在具有多种成分的化合物中高效准确的机器学习插值原子能量

用于原子仿真的机器学习势（MLPs）是传统经典势的有前景的替代方案。目前的方法依赖于局部原子环境的描述符，其维度随着化学物种数量的增加而平方增长。在本文中，我们证明在实践中可以避免这种扩展。我们表明，一个数学上简单且计算上高效的描述符，具有恒定的复杂性，足以代表含有11种化学物种的过渡金属氧化物化合物和生物分子，精度约为3 meV/原子。这一见解消除了对MLPs效用的限制，并为研究那些含有超过十种化学物种的先前不可及材料的物理学铺平了道路。