大阪大学：预测非晶结构的能量

日本大阪大学、岡山大学和东京大学开发了一种通过结合拓扑信息和机器学习来预测复杂非晶结构能量的新方法。

非晶材料广泛应用于太阳能电池和涂层材料。为了阐明其复杂结构、物理性质和功能之间的相关性，亟需开发一种新的模拟方法。

目前，最有力的方法被称为机器学习势，其通过机器学习创建一个替代模型来再现高精度的量子化学计算。然而，如何将非晶结构的特征反映到机器学习模型的输入数据中是一个问题。

通过应用持久同源性（一种拓扑数据分析方法），研究小组证明，可以通过使用有关原子如何直接连接的信息作为机器学习模型的输入，使用简单的模型来预测非晶态碳的能量。

首先，利用密度泛函理论，研究小组制作了各种密度下的液态和非晶态碳的结构和能量的高精度数据。然后，使用持久同源性对所获得结构的特征进行分析。

持久同源性被可视化为二维平面上的点分布，称为持久图。该图被分成许多小方块，转换为直方图格式，显示每个区域存在多少个点，并使用信息和能量计算结果作为训练数据进行机器学习。