Fine-Tuned Machine-Learned Interatomic Potentials for Structural and Vibrational Properties of Twisted 2D Materials
Deze studie toont aan dat het finetunen van universele door machine learning geleerde interatomaire potentialen, specifiek het MACE-model, essentieel is voor het bereiken van DFT-niveau nauwkeurigheid bij het modelleren van de structurele reconstructie en vibratie-eigenschappen van getordeerde 2D van der Waals-bilagen, waarbij succesvol de reklandschappen en fononspectra worden gevangen die overeenstemmen met experimentele waarnemingen.