Edge-scaling softening of a universal machine-learned potential: point-defect formation energies in a coronene graphene quantum dot
Este estudo compara o potencial de aprendizado de máquina universal SevenNet com o DFT para energias de formação de defeitos em pontos quânticos de grafeno de coroneno, revelando que, embora o modelo preserve com precisão a simetria e a ordenação, ele subestima sistematicamente as energias de vacância e divacância em sítios de borda subcoordenados devido ao amolecimento de escala de borda, necessitando de validação por DFT para previsões de energia absoluta.