VibroML: Toolkit automatizzato per la stabilità cristallina tramite machine learning

I ricercatori hanno sviluppato VibroML, un toolkit Python open-source che utilizza potenziali interatomici appresi tramite machine learning (MLIP) per risolvere automaticamente le instabilità dinamiche nei materiali cristallini previsti computazionalmente. A differenza dei metodi tradizionali che identificano solo le instabilità, VibroML impiega un algoritmo genetico guidato dall'energia per navigare efficientemente la superficie di energia potenziale e scoprire polimorfi diversi e dinamicamente stabili. Il toolkit include anche un flusso di lavoro automatizzato di dinamica molecolare per valutare la ritenzione strutturale a temperatura finita, affrontando il limite per cui la stabilità armonica a 0 K non garantisce la vitalità macroscopica. Inoltre, VibroML si integra con ProtoCSP, un motore di previsione strutturale combinatoria, per stabilizzare topologie cristalline frustrate attraverso leghe mirate. Questo lavoro, pubblicato su arXiv (ID: 2604.27685), rappresenta un passaggio dalla verifica della stabilità alla correzione strutturale automatizzata nella scienza dei materiali.