【文献分享】机器学习 + 分子动力学 + 第一性原理 + 微观结构 + 热力学性质（密度、热容、热导率和粘度）

---

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

分享一篇关于机器学习 + 分子动力学 + 第一性原理 + 热学性质（密度、热容、热导率和粘度）+ 微观结构的文章。

感谢论文的原作者！

关键词：

1. Machine learning,

2. Deep potential,

3. Molecular dynamics

4. Molten MgCl2-based chlorides,

5. Thermophysical properties。

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

主要内容

“基于 MgCl2 的熔融氯化物因其热稳定性高、成本低而成为潜在的热存储和热传递材料。本研究采用第一性原理、经典分子动力学和机器学习相结合的方法，对熔融 MgCl2-NaCl (MN) 和 MgCl2-KCl (MK) 共晶盐在 800-1000 K 温度范围内的结构和热物理性质关系进行了深度势能分子动力学（DPMD）模拟。这两种氯化物的密度、径向分布函数、配位数、势均力、比热容、粘度和热导率在更大尺寸（5.2 nm）和更长时间尺度（5 ns）的 DPMD 的作用下，成功地再现了它们在高温下的物理特性。结论是，熔融 MK 的比热容较高是由于 Mg-Cl 键的势均力较强，而熔融 MN 的热传导性能较好是由于 Mg 和 Cl 离子之间的相互作用较弱，因而热导率较高，粘度较低。创新的是熔融 MN 和 MK 的微观结构和宏观特性的合理性和可靠性验证了这两种深电位在温度上的延伸性，这些 DPMD 结果还为其他配制的 MN 和 MK 盐的模拟提供了详细的技术参数。”——取自文章摘要。

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

分析方法

Microstructure Analysis:

1. Radial Distribution Function.

2. Potential of Mean Force.

3. Coordination Number.

4. Angular Distribution Function

Thermal Property Analysis.

1. Density.

2. Specific Heat Capacity.

3. Thermal Conductivity.

4. Viscosity.

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

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

Figure 1

Figure 2

Figure 3

Figure 4

Figure 5

Figure 6

Figure 7

Figure 8

Figure 9

Figure 10

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

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

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。