用于材料原子尺度动力学无监督学习的图动力学网络

了解控制功能材料性能的动力学过程对于设计下一代材料以应对全球能源和环境挑战至关重要。其中许多过程涉及凝聚相中单个原子或小分子的动力学，例如电解质中的锂离子、膜中的水分子、界面处的熔融原子等，由于局部环境的复杂性，这些过程很难理解。 在这项工作中，我们开发了图动力学网络，这是一种无监督的学习方法，用于从分子动力学模拟中获得任意相和环境中的原子尺度动力学。我们发现，对于各种多组分非晶材料系统，重要的动力学信息可以被学习，这是很难获得的。由于在材料设计的几乎每个方面每天都会产生大量的分子动力学数据，这种方法为理解材料系统中的原子尺度动力学提供了一种广泛有用的自动化工具。