arXiv · Materials Science· Ashish Kumar Singh, Irina V. Lebedeva·· 11 小时前
机器学习加速NEB计算揭示金红石TiO2小极化子跃迁能垒
Trust-Limited Machine-Learning-Accelerated Nudged Elastic Band Calculations for Small-Polaron Hopping in Rutile TiO2
arXiv:2610.16850v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Ashish Kumar Singh, Irina V. Lebedeva
研究任务与主要进展
研究提出高斯过程辅助的NEB工作流，用联合能量—力GP、受控代理外推和主动原子位移约束处理小极化子跃迁中的电荷转移区，并在SIESTA的自旋极化DFT+U计算中应用于金红石TiO2。三组独立DFT核验的96原子计算使用11、13和15个图像，得到0.1645、0.1637和0.1640 eV的能垒，跨度为0.793 meV；324原子计算得到较低的0.1302 eV能垒，显示出超胞敏感性。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · Materials Science · arxiv.org