Predicting large-supercell defect formation energies from machine-learning charge density models trained on small supercells
Questo articolo propone un approccio di densità di carica basato sull'apprendimento automatico (MLCD) che, ottimizzando i set di addestramento con supercelle piccole di dimensioni miste, raggiunge una previsione ad alta precisione delle energie di formazione dei difetti in supercelle grandi con un'efficienza dei dati e tassi di errore significativamente maggiori rispetto ai tradizionali potenziali interatomici basati sull'apprendimento automatico.