Towards Extended Active Learning for Modelling Ferroelectric Switching: the Need for 'Gold Standards'
यह अध्ययन वर्टज़ाइट सामग्रियों में फेरोइलेक्ट्रिक स्विचिंग को मॉडल करने के लिए इष्टतम दृष्टिकोणों की पहचान करने हेतु विभिन्न डेंसिटी-फंक्शनल थ्योरी और उच्च-स्तरीय एब इनिशियो विधियों का मूल्यांकन करता है, और यह निष्कर्ष निकालता है कि हालांकि महत्वपूर्ण परिवर्तनशीलता के कारण वर्तमान में कोई भी एकल विधि पूर्ण "गोल्ड स्टैंडर्ड" के रूप में कार्य नहीं करती है, फिर भी सिंगल्स सुधारों के साथ RPA (RPAR+S) और r2SCAN-rVV10 फंक्शनल का संयोजन मशीन-लर्निंग इंटरएटोमिक पोटेंशियल के प्रशिक्षण में भविष्य के विस्तारित सक्रिय लर्निंग वर्कफ़्लो के लिए सबसे विश्वसनीय आधार प्रदान करता है।