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4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：
HTPB/Al/AP/RDX推进剂初始燃烧的分子模拟 被引量：1
1
作者 初庆钊 付小龙 +2 位作者 郑学明 刘金龙 陈东平 《火炸药学报》 EI CAS CSCD 北大核心 2024年第3期254-261,I0005,共9页
针对一种四组元HTPB推进剂(HTPB/Al/AP/RDX)关键组分,基于第一性原理计算的数据集,使用深度神经网络模型开发了一个机器学习势函数;基于新开发的势函数,建立了四组元HTPB推进剂燃面模型,并进行了大规模的分子动力学模拟计算,对推进剂燃... 针对一种四组元HTPB推进剂(HTPB/Al/AP/RDX)关键组分,基于第一性原理计算的数据集,使用深度神经网络模型开发了一个机器学习势函数;基于新开发的势函数,建立了四组元HTPB推进剂燃面模型,并进行了大规模的分子动力学模拟计算,对推进剂燃烧时的微观结构、温度、反应组分的时空演化进行了系统统计分析。结果表明,新开发的势函数能够准确描述推进剂组分单质及两两之间界面的能量和受力特性,是一个高精度、高效率的机器学习势函数;燃面模型实现了对推进剂燃烧过程中的AP、RDX、HTPB热解过程精准模拟,阐明了扩散火焰的形成机理以及铝粉从燃面剥离等微观过程,揭示了其中的各组分界面相互作用机制。表明分子动力学模拟能够在原子尺度上实现时间分辨的三维重建,进而获得推进剂燃烧的微观机理,可为固体推进剂的理论研究提供了新的工具。 展开更多
关键词 物理化学 HTPB推进剂 燃烧性能 机器学习势函数 分子动力学 神经网络模型
下载PDF
高性能氯化物熔盐的结构与热物性分子动力学研究
2
作者 于超 潘格川崎 《储能科学与技术》 CAS CSCD 北大核心 2024年第12期4368-4380,共13页
近年来可再生能源的大力发展以及火电深度调峰调频的推进对熔盐储热材料工作温度范围和热物性提出了更高的要求,MgCl_(2)-NaCl-KCl(MgNaK)熔盐是优秀的候选熔盐之一。然而,MgNaK熔盐的热物性数据不完善。本工作基于第一性原理分子动力... 近年来可再生能源的大力发展以及火电深度调峰调频的推进对熔盐储热材料工作温度范围和热物性提出了更高的要求,MgCl_(2)-NaCl-KCl(MgNaK)熔盐是优秀的候选熔盐之一。然而,MgNaK熔盐的热物性数据不完善。本工作基于第一性原理分子动力学模拟(FPMD)得到的能量和原子受力信息,开发了一种能够精确地描述MgNaK熔盐(45.4%-33%-21.6%,摩尔分数)微观粒子间相互作用的机器学习势函数并对其可靠性进行了验证。该机器学习势函数模拟计算的偏径向分布函数(PRDF)和配位数(CN)与FPMD基本重合。本工作从原子和电子的角度对局域结构和热性能随温度的变化进行了详细的研究。Na+或K+离子的引入破坏了原本紧密连接的MgClx网状结构,从而影响输运性质。采用机器学习势函数模拟计算的密度(ρ)和恒压比热容(C_(p))与实验数据高度一致,偏差均小于2%。通过动能理论讨论了MgNaK熔盐导热系数(λ)随温度负线性相关的原因,得到与其他氯化物熔盐类似的结论。最后,基于分子模拟和实验测量,对MgNaK熔盐在整个工作温度范围内的λ和黏度(η)给出了推荐值。 展开更多
关键词 高性能氯化物熔盐 储能技术 微结构与热物性 机器学习势函数
下载PDF
深度势能方法在材料科学中的应用
3
作者 文通其 刘怀忆 +3 位作者 龚小国 叶贝琳 刘思宇 李卓远 《金属学报》 SCIE EI CAS CSCD 北大核心 2024年第10期1299-1311,共13页
第一性原理计算准确但成本高昂,而建立在传统原子间势函数(力场)基础上的分子动力学模拟速率快但精度低。为了兼顾速率与准确性,机器学习(ML)势函数应运而生并得到广泛应用。深度势能(DP)为ML势的一种,近年来备受关注。本文概述了DP方... 第一性原理计算准确但成本高昂,而建立在传统原子间势函数(力场)基础上的分子动力学模拟速率快但精度低。为了兼顾速率与准确性,机器学习(ML)势函数应运而生并得到广泛应用。深度势能(DP)为ML势的一种,近年来备受关注。本文概述了DP方法在材料科学中的应用。首先介绍了DP的理论基础,随后详细阐述了DP模型的构建和使用,并简要回顾了DP方法在多种材料体系中的应用情况。AIS-Square为DP模型的开发提供了训练数据库及工作流。之后,对比了DP模型与第一性原理计算方法及传统势函数在精度和效率上的表现。最后,对DP方法的发展前景进行了展望。 展开更多
关键词 深度势能 原子模拟 机器学习势函数 神经网络
原文传递
基于机器学习势函数的熔盐体系分子动力学研究进展
4
作者 韩逸之 蓝建慧 +1 位作者 刘学 石伟群 《化学学报》 SCIE CAS CSCD 北大核心 2023年第11期1663-1672,共10页
熔盐是一类具有重要应用价值的熔融态材料,然而其微观结构与宏观性质之间的关系尚未完全探明,因此开展针对熔盐体系的分子动力学研究具有重要意义.针对高温熔盐体系的分子动力学研究以往主要依赖于传统分子动力学中力场的开发和第一性... 熔盐是一类具有重要应用价值的熔融态材料,然而其微观结构与宏观性质之间的关系尚未完全探明,因此开展针对熔盐体系的分子动力学研究具有重要意义.针对高温熔盐体系的分子动力学研究以往主要依赖于传统分子动力学中力场的开发和第一性原理分子动力学的发展.近年来得益于机器学习和神经网络的加速发展,针对熔盐体系的机器学习势函数的开发工作取得了显著进展,其在探索熔盐配位化学和预测物理性质方面表现优异.本文首先梳理了熔盐领域内常用的分子动力学方法,重点介绍了机器学习势函数的发展现状;然后总结了机器学习势函数在熔盐研究方面的应用进展;最后展望了机器学习势函数在该领域的应用前景,并对可能存在的问题给出了建议. 展开更多
关键词 熔盐 机器学习 机器学习势函数 分子动力学 配位化学
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