减少共线性，低维聚类扩展模型：利用主成分分析研究卤素（Cl，Br）在Cu(100)表面的吸附
摘要：集群展开模型（CEM）为无序系统中配置性质的快速估计提供了一个强大的计算框架。然而，传统的CEM构建过程仍存在两个基本问题：（一）即使模型中只包含少数几种站点簇类型，这些簇也可能存在相关性，因此它们不能独立预测材料性质；（二）通常需要少数十到几百个数据点来训练模型。为了解决相关性问题，我们应用主成分分析方法来构建CEM。这种方法被证明可以生成低维CEM，可以用小型DFT数据集进行训练。我们以Cu（100）表面上Cl和Br吸附的从头计算热力学建模为例来演示这些概念。关键结果是，包含10个有效簇相互作用，并仅用8个DFT能量建立的CEM（注意，训练配置物数> 主成分数）被发现准确，并且所得到的热力学行为与实验结果一致。这为使用稀疏/有限的DFT数据构建高保真度的CEM铺平了道路。
作者：Bibek Dash, Suhail Haque, Abhijit Chatterjee
论文ID：2307.11698
分类：Disordered Systems and Neural Networks
分类简称：cond-mat.dis-nn
提交时间：2023-07-24