強誘電体KNbO_3ペロブスカイトの分子動力学シミュレーションのための機械学習原子間ポテンシャル【JST・京大機械翻訳】

Thong Hao-Cheng; Wang XiaoYang; Wang Han; Zhang Linfeng; Wang Ke; Xu Ben

プレプリント

J-GLOBAL ID：202202210214051310 整理番号：22P0297767

強誘電体KNbO_3ペロブスカイトの分子動力学シミュレーションのための機械学習原子間ポテンシャル【JST・京大機械翻訳】

Machine-learning interatomic potential for molecular dynamics simulation of ferroelectric KNbO3 perovskite

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 (6件)： , , , , ,
資料名：
発行年： 2022年03月02日プレプリントサーバーでの情報更新日： 2022年03月02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)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

強誘電性ペロブスカイトは,数十年間,圧電デバイスで広く適用され,その中で,環境に優しい鉛フリー(K,Na)NbO_3系材料が,最近,持続可能な開発のための優れた候補であることが実証されている。分子動力学は,強誘電体ペロブスカイトの動的性質の調査のための多目的な理論的計算アプローチである。しかし,強誘電体ペロブスカイトの分子動力学シミュレーションは,原子間ポテンシャルの従来の構築がむしろ困難で非効率であるため,単純な系に限定されてきた。本研究では,深いニューラルネットワークモデルを用いて,KNbO3((K,Na)NbO_3の代表システムとして)の機械学習原子間ポテンシャルを構築した。訓練データセットへの第一原理計算データを含めることは,原子間ポテンシャルの量子力学精度を確実にする。機械学習原子間ポテンシャルに基づく分子動力学は,第一原理計算と良好な一致を示し,例えば,原子力,エネルギー,弾性特性,およびフォノン分散などの多重基本特性を正確に予測することができた。さらに,原子間ポテンシャルは,分域壁および温度依存性相転移のシミュレーションにおいて,満足な性能を示した。機械学習に基づく原子間ポテンシャルの構築は,他の強誘電体ペロブスカイトに潜在的に移動し,その結果,強誘電体の理論的研究に役立つ。【JST・京大機械翻訳】

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

圧電気,焦電気,エレクトレット , 酸化物薄膜 , セラミック・磁器の性質 , 塩基,金属酸化物 , 強誘電体,反強誘電体,強弾性

, , , ,

前のページに戻る