Molecular dynamics simulations can explore the characteristics and evolution of microstructures in alloys outside of experiments, with reliability and accuracy guaranteed by the interatomic potentials employed. Machine learning potential (MLP) is widely used for its accuracy close to first-principles calculations. When developing an MLP, the construction of the training dataset is crucial, determining the accuracy and generalization of the MLP. In this work, a Monte-Carlo-like (MCL) strategy is proposed to construct training datasets for developing MLPs of alloys, which is characterized by the efficient consideration of element distributions in alloys. As an example, a training dataset for the equimolar NbTiZrHf alloy is constructed based on the MCL strategy, and the corresponding MLP is developed subsequently. By comparing with two traditional strategies, it is found that the training dataset constructed based on the MCL strategy has greater dispersion, and the corresponding MLP has better prediction performance. In addition, a hybrid molecular statics and Monte Carlo simulation with the MCL-based MLP is performed to optimize the element distribution of the equimolar NbTiZrHf alloy, and segregation and short-range ordered structures are observed in the final configuration, which is consistent with the experimental results reported in the literature. The MCL strategy proposed in this work can provide a fast solution for considering the element distribution when constructing training datasets for developing MLPs of alloys.

中文翻译：

---

基于类蒙特卡罗方法构建用于开发合金机器学习潜力的训练数据集时考虑元素分布的策略

分子动力学模拟可以在实验之外探索合金中微观结构的特征和演变，其可靠性和准确性由所采用的原子间势能保证。机器学习潜力（MLP）因其接近第一性原理计算的准确性而被广泛使用。在开发 MLP 时，训练数据集的构建至关重要，它决定了 MLP 的准确性和泛化性。在这项工作中，提出了一种类似蒙特卡洛（MCL）的策略来构建用于开发合金 MLP 的训练数据集，其特点是有效考虑合金中的元素分布。例如，基于 MCL 策略构建了等摩尔 NbTiZrHf 合金的训练数据集，随后开发了相应的 MLP。通过与两种传统策略的对比发现，基于MCL策略构建的训练数据集具有更大的离散度，对应的MLP具有更好的预测性能。此外，使用基于 MCL 的 MLP 进行混合分子静力学和蒙特卡罗模拟，以优化等摩尔 NbTiZrHf 合金的元素分布，并在最终配置中观察到偏析和短程有序结构，这与实验结果见文献报道。在这项工作中提出的 MCL 策略可以为在构建用于开发合金 MLP 的训练数据集时考虑元素分布提供快速解决方案。并且对应的MLP具有更好的预测性能。此外，使用基于 MCL 的 MLP 进行混合分子静力学和蒙特卡罗模拟，以优化等摩尔 NbTiZrHf 合金的元素分布，并在最终配置中观察到偏析和短程有序结构，这与实验结果见文献报道。在这项工作中提出的 MCL 策略可以为在构建用于开发合金 MLP 的训练数据集时考虑元素分布提供快速解决方案。并且对应的MLP具有更好的预测性能。此外，使用基于 MCL 的 MLP 进行混合分子静力学和蒙特卡罗模拟，以优化等摩尔 NbTiZrHf 合金的元素分布，并在最终配置中观察到偏析和短程有序结构，这与实验结果见文献报道。在这项工作中提出的 MCL 策略可以为在构建用于开发合金 MLP 的训练数据集时考虑元素分布提供快速解决方案。在最终配置中观察到偏析和短程有序结构，这与文献报道的实验结果一致。在这项工作中提出的 MCL 策略可以为在构建用于开发合金 MLP 的训练数据集时考虑元素分布提供快速解决方案。在最终配置中观察到偏析和短程有序结构，这与文献报道的实验结果一致。在这项工作中提出的 MCL 策略可以为在构建用于开发合金 MLP 的训练数据集时考虑元素分布提供快速解决方案。