地球外核条件下のFe-Si-O系の原子論的シミュレーションのための深い機械学習ポテンシャル【JST・京大機械翻訳】

Zhang Chao; Tang Ling; Sun Yang; Ho Kai-Ming; Wentzcovitch Renata M.; Wang Cai-Zhuang

プレプリント

J-GLOBAL ID：202202216898952930 整理番号：22P0280995

地球外核条件下のFe-Si-O系の原子論的シミュレーションのための深い機械学習ポテンシャル【JST・京大機械翻訳】

A deep machine learning potential for atomistic simulation of Fe-Si-O systems under Earth's outer core conditions

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01月27日プレプリントサーバーでの情報更新日： 2022年05月19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。

原子間ポテンシャルを発生させるための人工ニューラルネットワーク機械学習(ANN-ML)の利用は,分子動力学(MD)シミュレーションにおける精度対効率の長年の課題に対処する有望なアプローチであることが実証された。ここでは,プロトタイプとしてFe-Si-O系を取り上げて,地球の外部コアの高圧および高温条件における材料の信頼できるMDシミュレーションのために,正確で移動可能なANN-MLポテンシャルを開発できることを示した。Fe-Si-O系に対するANN-MLポテンシャルを,密度汎関数理論(DFT)に基づく第一原理計算により得られた高圧および温度で,関連する連星および三成分液体構造のエネルギーおよび力に適合することによって訓練した。発生したANN-MLポテンシャルは,この複雑な系の液相の構造と動力学を良く記述することを示した。DFT精度を有する効率的なANN-MLポテンシャルは,地球の外側のコアにおける複雑なFe-Si-O系の構造と動力学の正確な原子論的シミュレーションのための有望なスキームを提供する。【JST・京大機械翻訳】

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

固体中の拡散一般 , 計算機シミュレーション

, , , , , ,

前のページに戻る