面向带电点缺陷的多保真度机器学习原子间势
核心概要
该工作以半导体Sb2Se3中的空位为案例，发现当前基于体相数据训练的机器学习原子间势无法可靠识别缺陷基态结构，进而提出在MACE架构中引入全局缺陷电荷嵌入，并结合低保真（PBE）与高保真（HSE06）数据的多保真度训练策略，使模型在固定缺陷超胞尺寸下将基态结构识别精度提升至0.05 Å以内、缺陷形成能与热力学跃迁能级与杂化泛函DFT吻合到0.02 eV以内，并发现标准缺陷搜索流程遗漏的全局极小值。
FIG. 1. Failure of foundation machine learning interatomic potentials (MLIPs) to capture defect structures. (a) Root mean square deviation (RMSD) of MLIP-predicted ground-state structures relative to density functional theory (DFT) calculations using the PBE functional for VSb(1) in Sb2Se3 across five charge states. For each charge state, data points are slightly offset along the horizontal axis for clarity. The green shaded region (RMSD ≤0.1 ˚A) indicates successful structural identification. (b, c) Comparison of defect potential energy surfaces (PESs) and structural predictions for (b) the neutral (q = 0) and (c) fully ionized (q = −3) charge states of VSb(1). The PESs are mapped as a function of the bond distortion percentage, with energies referenced to the minimum of each respective landscape. In these panels, data points for the foundation models and the DFT reference are colored according to the RMSD of the relaxed atomic positions relative to the DFT reference ground-state, with circles indicating RMSD ≤0.1 ˚A and crosses denoting RMSD > 0.1 ˚A. Bottom insets compare the local atomic environment of the DFT global minimum with representative MLIP-predicted minima.
· 第 2 页深度剖析
基准测试显示，四个主流等变基础势（MACE-MH-1、MACE-MPA-0、GRACE-2L-OMAT、MatterSim v1 5M）在Sb2Se3的VSb(1)五个电荷态上均不能稳定识别PBE-DFT基态结构，结构RMSD一般在0.2–0.4 Å，远超0.1 Å的可靠识别阈值。 此前基础势的泛化能力主要在完整晶体上被验证，该工作把评测推进到带电点缺陷这一分布外区域，并指出失败源于训练数据的域间隙与架构中缺少电荷态描述符两个因素。 以与基础势训练泛函一致的PBE-DFT为参照，对同一批ShakeNBreak生成的初始构型做对照弛豫，并给出各电荷态的RMSD分布与势能面形状对比。
在MACE中引入全局电荷嵌入（总电荷映射为可学习向量并加入原子种类嵌入，同时经消息传递与几何无关读出两条路径贡献能量）后，单一联合模型可同时区分五个电荷态，测试集平均RMSEE为0.48 meV/atom、RMSEF为20.15 meV/Å，全部电荷态基态结构RMSD在0.05 Å以内。 与为每个电荷态单独训练模型的做法不同，该工作用统一架构同时处理多个电荷态，并显示描述符空间中不同电荷态形成可分离的簇。 基于HSE06训练数据、按最短键长分层过滤与80/20划分的数据集，报告了训练/测试误差表、潜空间主成分分析以及基态结构与热力学跃迁能级对比。
电荷嵌入模型预测的缺陷热力学与HSE06参考高度一致：热力学跃迁能级最大偏差约0.015 eV，并能区分能量差小至1 meV/atom的亚稳构型。 把机器学习势的验证从能量/力误差推进到形成能图与跃迁能级这类物理量，并覆盖q=+2到q=−2五个电荷态。 形成能与跃迁能级按文中公式计算，有限尺寸静电修正由ML弛豫几何上的HSE06单点计算给出，结果以表格形式与DFT逐项对照。
多保真度训练以密集PBE采样配合约10%的HSE06单点校正，使模型发现常规HSE06 Γ点粗搜索遗漏的更低全局极小值（中性VSe(1)低约0.02 eV），该预测经收敛k点HSE06验证在8 meV以内，并将全面势能面探索的计算成本降低约三个数量级。 常规两阶段流程假设粗采样能复现高保真势能面形状与全局极小值，该工作用Δ学习直接修正泛函依赖差异，并给出成本量级对比。 以中性VSe(1)为例给出多保真度模型与ShakeNBreak流程的构型与能量对比，并报告单节点上HSE06与PBE弛豫的耗时量级。
启示与展望
该结果面向半导体与绝缘体中的带电点缺陷建模，具体验证体系为Sb2Se3中的VSb(1)与VSe(1)，超胞为3×1×1（含空位时59原子），电荷态覆盖q=+2到q=−2。方法适用于需要杂化泛函级别势能面、但直接搜索成本过高的场景，例如缺陷结构筛选、形成能与跃迁能级预测，以及需要密集采样的构型坐标图等性质计算。文中指出，模型在固定超胞尺寸下训练，跨超胞尺寸的尺寸一致性不应默认成立；跨不等价缺陷位点的迁移在相关局域环境缺失时也不成立。
读者仍会关注：电荷嵌入把依赖电荷的能量分配到缺陷局域与体相原子之间，在固定超胞尺寸下这一分配并不唯一，扩展到多个超胞尺寸后能量是否保持尺寸一致；模型在同一材料内从VSe(1)迁移到中性VSe(2)时未能复现DFT势能面，说明跨位点迁移的条件仍需界定；显式静电方案（QET、MACE-POLAR、MACE-LES）在负电荷态普遍漏掉基态，提示电荷态与局域键合耦合的建模方式仍有选择空间；此外，本次读取的文本为快速解析版本，图表与部分补充细节未完整呈现，涉及具体数值的结论以原文图表为准。