无监督图神经网络揭示无序系统中的结构动力学相关性
摘要：使用无监督机器学习（GNN）方法，学习无序系统中的结构-动力学相关性是一个长期存在的问题。在本研究中，我们使用图神经网络来研究无序系统中的局部结构。我们将我们的方法应用于2D二进制A65B35 LJ玻璃，并提取对应于不同冷却速率下的液体、过冷和玻璃态的结构。GNN以无监督的方式学习的原子的邻域表示在聚类时揭示了具有不同潜在能量的局部结构。这些聚类在结构中表现出动力学异质性与其局部能量景观相一致。总之，本研究表明无监督图嵌入可以揭示无序结构中的结构-动力学相关性。
作者：Vaibhav Bihani, Sahil Manchanda, Sayan Ranu, N. M. Anoop Krishnan
论文ID：2206.12575
分类：Disordered Systems and Neural Networks
分类简称：cond-mat.dis-nn
提交时间：2022-06-28