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：
深度势能方法及其在电化学储能材料中的应用
1
作者 邓斌 华海明 +2 位作者 张与之 王晓旭 张林峰 《储能科学与技术》 CAS CSCD 北大核心 2024年第9期2884-2906,共23页
深度势能模型(deep potential,DP)通过先进的机器学习技术,从大量的原子结构和能量数据中提取知识,构建出高精度的势能面。这一创新方法有效突破了传统力场方法的局限,为材料科学领域带来了新的视角。本文概述了DP模型和软件的基本原理... 深度势能模型(deep potential,DP)通过先进的机器学习技术,从大量的原子结构和能量数据中提取知识,构建出高精度的势能面。这一创新方法有效突破了传统力场方法的局限,为材料科学领域带来了新的视角。本文概述了DP模型和软件的基本原理、开发进展与应用流程,回顾了其在电化学储能材料设计中的应用,展示了DP模型在揭示电池材料微观结构和动力学行为方面的优势。在正负极材料的研究中,精确描述脱嵌锂过程中材料的结构演变和自由能变化;在固态电解质的研究中,精确描述了材料结构与离子输运行为;在电解液的研究中,不仅提高了对溶液动态结构和性质的认识,还为氧化还原电位、酸度等物理化学性质的精确计算提供了新策略;在界面的研究中,准确解析了界面形成过程中的结构演变以及性质。这些对材料的准确描述均有利于加速对能源材料的开发。同时,指出了DP模型在电池材料模拟中仍需改进的问题,并展望了其在电池材料设计和优化中的潜在应用前景。结果说明,深度势能模型作为一种强大的计算工具,在电化学储能材料的研究中展现出巨大的应用潜力。通过不断的模型优化和算法创新,DP模型有望在未来的材料设计和电池技术发展中发挥更加关键的作用。 展开更多
关键词 深度势能 分子模拟 储能材料 神经网络
下载PDF
深度势能方法在材料科学中的应用
2
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
机器学习势在铁电材料研究中的应用
3
作者 刘仕 黄佳玮 武静 《金属学报》 SCIE EI CAS CSCD 北大核心 2024年第10期1312-1328,共17页
铁电材料作为一类具有自发极化且极化外场可控的功能材料,在非易失信息存储方面有着广阔的应用前景,同时也面临着许多挑战。铁电材料的性能与在外场作用下极化的动力学行为密切相关,在观测精度受限的实验条件下,高精度的原子级材料模拟... 铁电材料作为一类具有自发极化且极化外场可控的功能材料,在非易失信息存储方面有着广阔的应用前景,同时也面临着许多挑战。铁电材料的性能与在外场作用下极化的动力学行为密切相关,在观测精度受限的实验条件下,高精度的原子级材料模拟手段显得尤为重要。分子动力学为在较大的空间和时间尺度上研究材料动力学过程提供了理想的手段,然而受制于传统力场精度差、开发难度高、可移植性差等问题,基于经典力场的分子动力学模拟在新材料上的应用受到了较大的阻碍。机器学习方法的发展为力场开发带来了新的思路。在众多机器学习势中,深度势能(DP)是一种基于深度神经网络的势能模型,具备与密度泛函理论(DFT)相媲美的精度,同时还拥有接近传统经典力场的高效计算性能。本文主要介绍了DP在铁电材料中的开发与应用,通过DP模拟,在原子尺度深入探究铁电材料中的相变机制和极化反转过程。主要工作包括重要铁电材料HfO2、经典钙钛矿铁电材料的深度势开发和测评,基于深度势能分子动力学揭示铁电HfO2中超高O2-迁移率的微观机制,以及SrTiO3极性畴界诱导的挠曲铁电和体光伏效应。 展开更多
关键词 铁电材料 分子动力学 机器学习 深度势能
原文传递
地核温压条件下铁的深度学习分子动力学模拟
4
作者 杨俊逸 何宇 孙士川 《矿物岩石地球化学通报》 CAS CSCD 北大核心 2023年第5期1188-1197,共10页
铁(Fe)是地核中的主要元素,研究铁在地核温压条件下的状态方程及热力学性质对理解地核至关重要。为高效地构建出准确和稳健的势能面模型,本文使用第一性原理数据为初始数据,利用深度势能生成器对地核内温压下构型进行采样,通过深度神经... 铁(Fe)是地核中的主要元素,研究铁在地核温压条件下的状态方程及热力学性质对理解地核至关重要。为高效地构建出准确和稳健的势能面模型,本文使用第一性原理数据为初始数据,利用深度势能生成器对地核内温压下构型进行采样,通过深度神经网络训练出深度学习势,完成对大体系超胞的深度学习分子动力学高精度模拟。所构建的地核温压下铁的深度势能,与第一性原理计算结果相吻合。利用该势能,可实现内核温压下超过10000原子体系的高精度分子动力学模拟,计算出密堆六方(hcp)和体心立方(bcc)结构铁的密度和状态方程。本文利用深度势能方法提高了计算效率、保证了计算精度同时可利用于大规模体系、多晶体系,为更接近地球内部条件物质状态、性质的模拟打下基础。 展开更多
关键词 第一性原理 深度势能 分子动力学 高温高压 状态方程
下载PDF
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