构建高精度机器学习对纳米材料表面/接口的原子间潜力的构建-一篇评论
Kaiwei Wan1,2, Jianxin He1,2, Xinghua Shi1,2
1Laboratory of Theoretical and Computational Nanoscience, National Center for Nanoscience and Technology, Chinese Academy of Sciences, Beijing, 100190, China.
Advanced materials (Deerfield Beach, Fla.)
|August 28, 2023
概括
机器学习原子间潜力 (MLIP) 能够准确模拟纳米材料表面和接口. 本综述探讨了MLIP原理,应用和研究独特纳米材料特性方面的挑战.
科学领域:
- 材料科学 材料科学 材料科学
- 计算化学的计算化学
- 纳米技术纳米技术
背景情况:
- 纳米材料表面和接口由于其维度属性而具有独特的特性.
- 这些独特的特性给传统的实验和计算研究带来了重大挑战.
- 经验力场在准确模拟复杂的纳米材料系统方面存在局限性.
研究的目的:
- 为机器学习原子间潜力 (MLIPs) 提供深入的研究.
- 详细阐述纳米材料表面和接口系统中MLIP的原理,执行和应用.
- 讨论与MLIP方法相关的当前挑战.
主要方法:
- 利用机器学习 (ML) 来近似高维函数.
- 捕捉系统配置和潜在能量之间的关系.
- 使用MLIP来准确模拟纳米材料表面和接口.
主要成果:
- MLIPs提供了一种强大的方法来克服经验力场的局限性.
- MLIPs能够准确地近似复杂系统的潜在能源景观.
- 在模拟纳米材料表面和接口现象方面,MLIPs的证明应用.
结论:
- MLIP是推动纳米材料计算研究的宝贵工具.
- 应对当前的挑战将进一步提高MLIP在材料科学中的实用性.
- MLIP对纳米材料设计和表征的未来研究具有重大前景.
更多相关视频
13:56Probe Type II Band Alignment in One-Dimensional Van Der Waals Heterostructures Using First-Principles Calculations
Published on: October 12, 2019
7.7K
11:47Characterization of Surface Modifications by White Light Interferometry: Applications in Ion Sputtering, Laser Ablation, and Tribology Experiments
Published on: February 27, 2013
15.7K