(纯计算)中科院物理所吴泉生/翁红明团队npj Comput. Mater.: DPmoire：在莫尔体系中构建精确机器学习力场

2025年8月1日，npj Comput. Mater.在线发表了中科院物理所吴泉生研究员和翁红明研究员课题组的研究论文，题目为《DPmoire: a tool for constructing accurate machine learning force fields in moiré systems》，论文的第一作者为Jiaxuan Liu。

为了准确模拟莫尔结构的电子性质，通常采用密度泛函理论（DFT），特别是对于具有大转角的结构，它被认为是可靠结构弛豫的关键。然而，尽管DFT的精度很高，但其计算复杂度与原子数量呈立方关系。随着转角的减小，莫尔结构中的原子急剧增加，由于涉及的原子数量庞大，DFT计算对于较小角度的结构来说是不切实际的。

在此研究中，为了应对这一挑战，作者引入了一种强大的方法来构建专门为莫尔结构量身定制的机器学习势，并提出了一个开源软件包DPmoire，旨在促进这一过程。利用这个软件包开发了MX₂（M=Mo、W；X=S、Se、Te）材料的机器学习力场（MLFFs）。该方法不仅简化了计算过程，而且确保了DFT弛豫中通常观察到的详细电子和结构特性的精确复制。MLFFs根据标准DFT结果进行了严格验证，证实了它们在捕获这些层状材料中原子相互作用的复杂相互作用方面的有效性。

这种创新工具能够在更大范围的小角度和不同材料上有效地驰豫莫尔体系。此外，它有助于在这些复杂体系中进行声子计算。研究预计DPmoire将显著增强对受弛豫效应影响的物理现象理解，并促进新型莫尔材料的发现。此外，对于莫尔体系，仔细构建训练集可以显著提高MLFF的准确性。对于其他体系，根据共同特征设计训练集也可能是获得准确模型的有前景方法。

图1 构建MLFF过程的示意图概述

图2 DPmoire软件包工作流程概述

图3 生成的MLFF的力误差

图4 7.34° AA WSe₂和MoS₂的弛豫图案

图5 7.34°AA WSe₂和MoS₂的能带结构比较

图6 7.34° AB MoS₂在不同温度和应力下力的RMSE

图7 莫尔结构的特征

【论文链接】

Liu, J., Fang, Z., Weng, H. et al. DPmoire: a tool for constructing accurate machine learning force fields in moiré systems. npj Comput. Mater., 2025, 11, 248. https://doi.org/10.1038/s41524-025-01740-0

代码链接：

https://github.com/JiaxuanLiu-Arsko/DPmoire

中科院物理所钱天/翁红明团队Phys. Rev. B: M2Te2P (M=Ti/Zr/Hf)中的多重拓扑相

中科院物理所钱天/翁红明/石友国团队Phys. Rev. X: 范德华平带化合物中单带莫特绝缘体的发现

【注】：小编水平有限，若有误，请联系修改；若侵权，请联系删除！