================================
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。