面向铁电相变的机器学习:基于图卷积神经网络的分子动力学模拟OA北大核心CSTPCD
铁电材料广泛应用于功能器件中,对铁电体进行方便、准确的理论建模,是一个长期被关注的问题.本文提出了一种基于图卷积神经网络的铁电相变模拟方法,利用图卷积神经网络对铁电材料的势能面进行原子层面的建模,并将得到的神经网络势函数作为计算器,以驱动大体系的分子动力学模拟.给定原子位置,训练好的图卷积神经网络能够给出势能的高精度预测,达到每原子1 meV级别,与从头算(ab inito)精度基本相当,同时在计算速度上相比从头算方法有数个数量级的提升.得益于神…查看全部>>
欧阳鑫健;张岩星;王之龙;张锋;陈韦嘉;庄园;揭晓;刘来君;王大威
西安交通大学电子与信息学部微电子学院,西安710049河南师范大学物理学院,新乡453007西安交通大学电子与信息学部微电子学院,西安710049西安交通大学电子与信息学部微电子学院,西安710049西安交通大学电子与信息学部微电子学院,西安710049西安交通大学电子与信息学部微电子学院,西安710049西安交通大学电子与信息学部微电子学院,西安710049桂林理工大学材料科学与工程学院,桂林541004西安交通大学电子与信息学部微电子学院,西安710049
计算机与自动化
铁电相变机器学习势函数
《物理学报》 2024 (8)
P.273-286,14
国家自然科学基金(批准号:11974268,12111530061)资助的课题.
评论