May, 2024
合作 餐人隧道模型中轨道顺序的动力学：机器学习辅助的大规模模拟
Kinetics of orbital ordering in cooperative Jahn-Teller models: Machine-learning enabled large-scale simulations
Supriyo Ghosh, Sheng Zhang, Chen Cheng, Gia-Wei Chern
TL;DR我们提出了一种可扩展的机器学习力场模型，用于合作简 - 泰勒 (JT) 系统的绝热动力学。在 JT 模型的大规模动力学模拟中，我们也揭示了巨磁电阻锰酸盐中轨道有序动力学的一些启示。这些材料中的 JT 效应描述了由与 $e_g$ 电子轨道自由度耦合驱动的局域氧八面体变形。局域 JT 模式之间的有效电子介导相互作用导致结构转变和低温下长程轨道有序的出现。基于局部性原理，我们开发了一个深度学习神经网络模型，准确高效地预测驱动 JT 声子动力学演化的电子诱导力。我们采用群论方法开发了一个描述符，将轨道对称性和晶体格子对称性结合到机器学习模型中。利用机器学习力场模型，进行了大规模 Langevin 动力学模拟，研究了热淬后复合 JT 畸变和轨道有序的粗化动力学。轨道域的后期粗化展示出明显的冻结行为，这可能与域结构的异常形态有关。我们的工作为相关电子系统的多尺度动力学建模提供了一个有希望的途径。