文献

J-GLOBAL ID：202202253818099969   整理番号：22A0428484

トバモライト相に適用した深層学習ポテンシャルとケイ酸カルシウム水和物への拡張【JST・京大機械翻訳】

A deep learning potential applied in tobermorite phases and extended to calcium silicate hydrates

著者 (7件)： Zhou Yang (School of Materials Science and Engineering, Southeast University, Nanjing 211189, China) ,  Zhou Yang (State Key Laboratory of High Performance Civil Engineering Materials, Jiangsu Research Institute of Building Science Co., Nanjing 211103, China) ,  Zheng Haojie (School of Materials Science and Engineering, Southeast University, Nanjing 211189, China) ,  Li Weihuan (School of Materials Science and Engineering, Southeast University, Nanjing 211189, China) ,  Ma Tao (School of Transportation, Southeast University, Nanjing 211189, China) ,  Miao Changwen (School of Materials Science and Engineering, Southeast University, Nanjing 211189, China) ,  Miao Changwen (State Key Laboratory of High Performance Civil Engineering Materials, Jiangsu Research Institute of Building Science Co., Nanjing 211103, China)
資料名： Cement and Concrete Research  (Cement and Concrete Research)
巻： 152  ページ： Null  発行年： 2022年 
JST資料番号： E0724A  ISSN： 0008-8846  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 第一原理シミュレーションのデータセットに基づいて,機械学習ポテンシャル(MLP)は複雑な材料系の正確な予測と高効率分子動力学(MD)計算の両方を達成できる。本研究では,トバモライト(9,11および14Å)の3つのMLPを,それぞれ,深ポテンシャル(DP)法によって構築した。各MLPの正確度評価を,格子定数,半径方向および角分布関数,平均二乗変位および弾性特性のMD計算により実行した。MLPsを用いた結果はab initio MDシミュレーションから得た結果と非常に一致したが,効率に関してはMLPは2から3桁速かった。さらに,3つのMLPsが統合され,カルシウムシリカ水和物システムに拡張され,計算された構造と機械的性質は実験結果と良く一致した。それは,MLPsの導入が,より高い精度を有するセメントベースの材料に関する大規模なMDシミュレーションのために実行可能であることを証明した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 機械的性質 ,  格子定数 ,  シミュレーション ,  分布関数 ,  セメント ,  半径方向 ,  *水和物 ,  分子動力学 ,  機械学習 ,  第一原理
準シソーラス用語： 高効率 ,  *トバモライト ,  分子動力学シミュレーション ,  弾性特性 ,  平均二乗変位 , 【Automatic Indexing@JST】

著者キーワード (5件)： 機械学習の可能性 ,  トバモライト ,  カルシウムシリカ水和物 ,  分子動力学 ,  第一原理

分類 (1件)： セメントの性質・分析  (YC05040F)

タイトルに関連する用語 (5件)： トバモライト ,  深層学習 ,  ポテンシャル ,  ケイ酸カルシウム水和物 ,  拡張