最近日本中文字幕中文翻译歌词,宝贝趴好我从后面爽死你,人妻偷拍无码中文字幕

npj Comput. Mater.: 專用的高精度神經網絡勢能在鈦機械響應中的應用

大規模原子模擬提供了對實驗或基于量子力學的計算方法不易獲得的重要材料現象的直接研究。準確有效的原子間勢能是關鍵的推動因素，但其發展仍然是復雜材料/現象的挑戰。機器學習勢能，如深度勢能（DP）方法，提供了產生通用原子間勢能的強大方法。

在此，香港城市大學Zhaoxuan Wu及北京應用物理與計算數學研究所王涵等人提出了基于當前深度勢能生成器（DP-GEN）方案的擴展，即專用的DP方法并將其命名為“DPspecX”，其中X指的是專門針對的屬性。

本研究中專業化是針對Ti的機械響應，即“Ti-DPspecMech”，通過系統地訓練機器學習原子間勢能以重現Ti的晶體結構、彈性常數張量、表面和堆垛層錯能。訓練數據集包括文獻中的實驗數據和本工作中計算的DFT數據，由此產生的勢能不僅精確地再現了控制訓練中使用的機械行為的缺陷特性，而且還捕獲了訓練數據集中未明確包含的各種特性，包括空位形成能量、相變溫度、熱膨脹及HCP和BCC結構中所有相關滑移面的γ線等。

圖1. HCP Ti中幾個平面上的廣義堆垛層錯能（γ線）

不同相的自由能計算進一步表明，勢能在一定壓力和溫度范圍內再現了HCP、BCC和液相之間的相穩定性。此外，對于具有幾十個原子的系統，DP 比 DFT（VASP）快10⁶倍以上，因此，DP模型可用于以相對較好的精度和速度對許多缺陷進行大規模分子動力學模擬，包括位錯、晶界和相界，這些缺陷遠遠超出DFT的范圍。該方法是通用的，可用于開發Ti以外材料的原子間勢能及DP框架內機械響應以外的應用或其他基于機器學習的方法。

特殊數據集的選擇可以標準化，神經網絡參數可以通過標準算法/代碼（例如，TensorFlow）進行優化。因此，這種方法代表了從經驗主義驅動到符合目標的機器驅動原子間勢能的轉變。

圖2. HCP Ti的有限溫度特性

Specialising neural network potentials for accurate properties and application to the mechanical response of titanium, npj Computational Materials 2021. DOI: 10.1038/s41524-021-00661-y

原創文章，作者：v-suan，如若轉載，請注明來源華算科技，注明出處：http://www.zzhhcy.com/index.php/2023/10/15/23c2fc842d/

末成年小嫩xb,嫰bbb槡bbbb槡bbbb,免费无人区码卡密,成全高清mv电影免费观看

npj Comput. Mater.: 專用的高精度神經網絡勢能在鈦機械響應中的應用

相關推薦