論文の概要: AQVolt26: High-Temperature r$^2$SCAN Halide Dataset for Universal ML Potentials and Solid-State Batteries

• arxiv url: http://arxiv.org/abs/2604.02524v1
• Date: Thu, 02 Apr 2026 21:23:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-06 17:20:24.209013
• Title: AQVolt26: High-Temperature r$^2$SCAN Halide Dataset for Universal ML Potentials and Solid-State Batteries
• Title（参考訳）: AQVolt26: ユニバーサルMLポテンシャルと固体電池のための高温r$^2$SCANハライドデータセット
• Authors: Jiyoon Kim, Chuhong Wang, Aayush R. Singh, Tyler Sours, Shivang Agarwal, AJ Nish, Paul Abruzzo, Ang Xiao, Omar Allam,
• Abstract要約: リチウムハロゲン化物に対する322,656 r$2$SCAN単点計算のデータセットであるAQVolt26を提案する。 基礎的なデータセットは、安定なハロゲン化物化学と局所的な力の伝達に強力なベースラインを提供することを示した。 本研究では, 材料プロジェクト緩和データの導入により, ほぼ平衡性能は向上するが, 高温力の精度を向上することなく, 極端拘束性は低下することを示す。
• 参考スコア（独自算出の注目度）: 2.938747296188444
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The demand for safe, high-energy-density batteries has spotlighted halide solid-state electrolytes, which offer the potential for enhanced ionic mobility, electrochemical stability, and interfacial deformability. Accelerating their discovery requires extensive molecular dynamics, which has been increasingly enabled by universal machine learning interatomic potentials trained on foundational datasets. However, the dynamic softness of halides poses a stringent test of whether general-purpose models can reliably replace first-principles calculations under the highly distorted, elevated-temperature regimes necessary to probe ion transport. Here, we present AQVolt26, a dataset of 322,656 r$^2$SCAN single-point calculations for lithium halides, generated via high-temperature configurational sampling across $\sim$5K structures. We demonstrate that foundational datasets provide a strong baseline for stable halide chemistries and transfer local forces well, however absolute energy predictions degrade in distorted higher-temperature regimes. Co-training with AQVolt26 resolves this blind spot. Furthermore, incorporating Materials Project relaxation data improves near-equilibrium performance but degrades extreme-strain robustness without enhancing high-temperature force accuracy. These results demonstrate that domain-specific configurational sampling is essential for the reliable dynamic screening of halide electrolytes. Furthermore, our findings suggest that while foundational models provide a robust base, they are most effective for dynamically soft solid-state chemistries when augmented with targeted, high-temperature data. Finally, we show that near-equilibrium relaxation data serves as a task-specific complement rather than a universally beneficial addition.
• Abstract（参考訳）: 安全で高エネルギーの電池の需要はハロゲン化物固体電解質に注目され、イオン移動性、電気化学的安定性、界面変形性の向上の可能性を秘めている。 発見の加速には広範な分子動力学が必要であり、基礎的なデータセットでトレーニングされた普遍的な機械学習の原子間ポテンシャルによってますます有効化されている。 しかしながら、ハロゲン化物の動的柔らかさは、イオン輸送を探索するのに必要となる高度に歪んだ高温条件下での第一原理計算を、汎用モデルが確実に置き換えることができるかどうかの厳密な試験となる。 ここでは, リチウムハロゲン化物に対する322,656 r$^2$SCAN単点計算のデータセットであるAQVolt26について述べる。 基礎的なデータセットは、安定なハロゲン化物化学と局所的な力の伝達に強力なベースラインを提供するが、歪んだ高温の状態では絶対的なエネルギー予測は劣化する。 AQVolt26との共同トレーニングは、この盲点を解決する。 さらに, 材料プロジェクト緩和データの導入により, ほぼ平衡性能は向上するが, 高温力精度を向上することなく極歪剛性は低下する。 これらの結果から,ハロゲン化物電解質の動的スクリーニングには領域特異的な構成サンプリングが不可欠であることが示唆された。 さらに,本研究は, 基礎モデルが強靭な基盤を提供する一方で, ターゲットとした高温データを付加した場合に, 動的に軟質な固体化学体に有効であることが示唆された。 最後に, ほぼ平衡緩和データが, 汎用的な付加ではなく, タスク固有の補完となることを示す。

関連論文リスト

• An SO(3)-equivariant reciprocal-space neural potential for long-range interactions [84.08721947253646]
  長距離静電・分極相互作用は分子および凝縮相系において中心的な役割を果たす。 現代のSO(3)-同変神経ポテンシャルは、短距離化学において高い精度を達成するが、現実的な物質を管理する異方性、緩やかに崩壊する多極相関を表現できない。 ここでは、EquiEwaldについて紹介する。これは、EquiEwaldにインスパイアされた相互空間の定式化を、既約SO(3)-同変フレームワークに組み込む統合された神経間ポテンシャルである。
  論文  参考訳（メタデータ） (2026-03-19T01:16:11Z)
• Performance of universal machine-learned potentials with explicit long-range interactions in biomolecular simulations [21.340102594388348]
  普遍的な機械学習ポテンシャルは、構成的および振動的自由度間で伝達可能な精度を約束する。 この研究は、SPICE-v2データセットで訓練された均質なメッセージパッシングアーキテクチャを、明示的な長距離分散と静電効果なしで体系的に評価する。
  論文  参考訳（メタデータ） (2025-08-14T17:08:34Z)
• OBELiX: A Curated Dataset of Crystal Structures and Experimentally Measured Ionic Conductivities for Lithium Solid-State Electrolytes [39.33713747927337]
  固体電解質電池は近い将来、液体電解質リチウムイオン電池を置き換えることが期待されている。 現在、それらの採用は、より効果的なイオン伝導率の低下によって妨げられている。 OBELiXは、合成固体電解質材料とその実験的に測定された室温イオン伝導度のデータベースである。
  論文  参考訳（メタデータ） (2025-02-20T03:59:35Z)
• Universal Machine Learning Interatomic Potentials are Ready for Solid Ion Conductors [4.7376603774180515]
  UMLIP(Universal Machine Learning Interatomic potential)は、その効率性とほぼDFTレベルの精度で、有望なソリューションを提供する。 本研究は, エネルギー, 力, 熱力学特性, 弾性率, リチウムイオン拡散挙動の6つの先進的UMLIPモデルを系統的に評価する。 その結果、MatterSimは、特に複雑な物質システムにおいて、ほぼすべての指標において、他の指標よりも優れています。
  論文  参考訳（メタデータ） (2025-02-14T07:55:53Z)
• Predicting ionic conductivity in solids from the machine-learned potential energy landscape [68.25662704255433]
  本稿では, イオン伝導体の迅速かつ信頼性の高いスクリーニング手法として, 普遍的な原子間ポテンシャルの解析手法を提案する。 第一原理計算では,10種中8種が室温で超イオン性であることが確認された。 本手法は, 機械学習電位によって駆動される分子動力学と比較して約50倍の高速化係数を達成し, 第一原理分子動力学に比べて少なくとも3,000倍高速である。
  論文  参考訳（メタデータ） (2024-11-11T09:01:36Z)
• Topological Josephson Junctions in the Integer Quantum Hall Regime [42.408991654684876]
  チューニング可能なジョセフソン接合(TJJ)は、異常なジョセフソン効果と位相量子絶縁体応用を研究する上で望ましいプラットフォームである。 本稿では、整数量子ホール(IQH)と超伝導体の物理を組み合わせることで、頑健で静電気的に調整可能なTJJを提案する。 スケーラブルでロバストなAndreev-qubitプラットフォームへの特に関連性があり、また効率的な位相電池でもある。
  論文  参考訳（メタデータ） (2022-11-04T16:45:07Z)
• Normalizing flows for atomic solids [67.70049117614325]
  原子状固体をモデル化するための正規化フローに基づく機械学習手法を提案する。 我々は,単原子水としてモデル化された立方晶および六角形氷のヘルムホルツ自由エネルギー推定と,切り離されたレナード・ジョーンズ系について報告する。 以上の結果から, 結晶形状に制約を加えることなく, 流動の正規化により, 固体の高品質な試料と自由エネルギー推定が可能であることが示唆された。
  論文  参考訳（メタデータ） (2021-11-16T18:54:49Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。