ASPIRE：通过集合预测与物理精化发现鞍点

arXiv:2610.10969v1 公告类型：新 摘要：利用事件驱动模型预测热激活扩散与缺陷演化，需要识别原子重排机制及其激活能垒。发现相关鞍点是其中的主要计算瓶颈：一个亚稳态可能对应多种重排，而代价高昂的局部搜索可能失败，或反复收敛到同一个鞍点。为应对这一挑战，我们提出 ASPIRE（Atomistic Saddle-Point Inference with Refinement for Events），这是一个从单个初始原子环境中预测一组鞍点候选，并通过在原始原子间势上执行 Dimer 搜索对其进行精化的框架。该框架的等变集合预测器 Ev-Quiformer 集成了以下组件：(i) 由几何条件控制的标量-向量事件槽，用于生成多个鞍点候选；(ii) 一个解码器，通过结合原子、槽以及相对于锚点的向量与不变量系数，将每个槽映射为完整的原子位移场。我们还贡献了两个数据集：(i) BCCFE4VACAV-4000，包含4,000个体心立方铁四空位构型和65,450个参考事件，这些事件按初始状态分组，用于集合监督和精化后评估；(ii) BCCFE-1TO4VAC，包含5,372个构型，每个构型含有1至4个空位。在理论方面，我们建立了提案等变性的条件。在实验方面，ASPIRE在该基准上的参考事件覆盖率达到77.20%，而传统 Dimer 基线为75.73%，同时所需的 Dimer 力评估次数约减少一半。在对50个构型进行的计时评估中，在所述硬件设置下，ASPIRE将每个构型的实际运行时间从478.8秒缩短至176.3秒。