【文献分享】机器学习 + 分子动力学 + 第一性原理计算 + P-T 相图

---

================================

分享一篇关于机器学习 + 分子动力学 + 第一性原理 + P-T 相图的文章。

感谢论文的原作者！

关键词：

1. Three elemental boron allotropes

2. Bayesian interatomic potential

3. Molecular dynamics

4. P-T phase diagram

5. Phase stability and transitions

================================

主要内容

“使用通过稀疏高斯过程 (SGP) 训练的贝叶斯原子间势研究了三种元素硼同素异形体（即 α-B、β-B 和 γ-B）的热力学相稳定性。当用于分子动力学 (MD) 模拟以预测广泛的热力学、结构和振动特性时，使用动态主动学习的数据集训练的 SGP 势可实现量子力学级别的精度。模拟相图（500–1400 K 和 0–16 GPa）与实验测量结果一致。基于 SGP 的 MD 模拟还成功预测，B13 缺陷对于将 β-B 稳定在 700 K 以下至关重要。在较高温度下，熵成为主导因素，使 β-B 成为比 α-B 更稳定的相。这表明，基于仅由无缺陷系统组成的训练集的 SGP 势可以对固态晶体中与缺陷相关的现象做出正确的预测，为研究晶相稳定性和转变铺平道路。”——取自文章摘要。

================================

Figure 1

Figure 2

Figure 3

Figure 4

Figure 5

Figure 6

================================

以上是我们分享的一些经验或者文章的搬运，或有不足，欢迎大家指出！

如有侵权，请联系我立马删除！

详细内容（文章题目、文章链接、附件下载）可在微 信 公 众 号：原子与分子模拟获取，欢迎大家关注。