材料科学のための深いポテンシャル【JST・京大機械翻訳】

Wen Tongqi; Zhang Linfeng; Wang Han; E Weinan; Srolovitz David J.

プレプリント

J-GLOBAL ID：202202202272737793 整理番号：22P0297043

材料科学のための深いポテンシャル【JST・京大機械翻訳】

Deep Potentials for Materials Science

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2022年03月01日プレプリントサーバーでの情報更新日： 2022年03月01日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

経験的原子間ポテンシャルに基づく正確な(高価な)ab initio計算と効率的な原子論的シミュレーションの間のギャップを埋めるために,原子相互作用の新しいクラスの記述が出現し,広く適用した。すなわち,機械学習ポテンシャル(MLP)。最近開発したMLPの1つは,深ポテンシャル(DP)法である。本レビューでは,計算機材料科学におけるDP法への導入を提供した。DP法の基礎となる理論を,それらの開発と利用への段階的導入と共に提示した。また,広い範囲の材料システムにおけるDPの材料応用をレビューした。DPライブラリは,DPの開発および現存DPのデータベースのためのプラットフォームを提供する。ab initio法と経験的ポテンシャルと比較して,DPの精度と効率を論じた。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , 【Automatic Indexing@JST】

原子間相互作用

前のページに戻る