期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于晶体图卷积神经网络的金属表面能预测框架 被引量：1
1
作者 周麟铭 朱广宇 +2 位作者 吴勇军 黄玉辉 洪子健 《硅酸盐学报》 EI CAS CSCD 北大核心 2023年第2期389-396,共8页
表面能是晶体最重要的物理化学性质之一,对于表面催化、表面吸附、外延生长、结晶形核、枝晶生长等具有十分重要的影响。快速计算和预测晶体表面能有助于加速催化、电池、合金等材料的设计和优化。本工作采用基于数据驱动的机器学习算法... 表面能是晶体最重要的物理化学性质之一,对于表面催化、表面吸附、外延生长、结晶形核、枝晶生长等具有十分重要的影响。快速计算和预测晶体表面能有助于加速催化、电池、合金等材料的设计和优化。本工作采用基于数据驱动的机器学习算法,构建了晶体图卷积神经网络框架并应用于金属表面能预测,实现了从晶体结构到表面能的快速准确预测。使用基于物理理论的将表面尺寸与晶体的原子以及成键特征相耦合的表面表示方法时,模型表现最佳,平均绝对误差值小于0.002eV/?2。与第一性原理计算相比,该框架计算时间缩短了约5个数量级。最后,还进一步探讨了其在硅酸盐等复杂体系的普适性和未来的拓展方向,以期为机器学习预测表面能的提供参考。 展开更多
关键词 机器学习 材料表面 表面能 图神经网络
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部