相关实验视频
Updated: Jan 6, 2026
05:04
Determining the Mechanical Strength of Ultra-Fine-Grained Metals
Published on: November 22, 2021
2.6K
基于AgPd的多金属纳米集群的深度强化学习:在高合金系统中加速全球最低发现
Malik Ahmed Mubeen1,2, Fuyi Chen1,2
1State Key Laboratory of Solidification Processing, Northwestern Polytechnical University, Xi'an 710072, China.
The Journal of chemical physics
|November 3, 2025
概括
深度强化学习预测复杂的多金属纳米集群的稳定原子结构,包括高合金. 这种计算方法加速了新型纳米材料的合理设计.
科学领域:
- 计算材料科学 计算材料科学
- 纳米技术 纳米技术
- 化学物理 化学物理
背景情况:
- 多金属纳米集群,特别是高合金,具有复杂的结构和能量景观.
- 传统的优化方法与这些系统的组合复杂性作斗争.
研究的目的:
- 开发和应用深度强化学习 (DRL) 框架,用于预测基于AgPd的多金属纳米集群中的稳定原子排列.
- 用严格的计算方法验证DRL预测的结构.
主要方法:
- 使用了具有原子中心对称函数和元素特定描述符的DRL代理.
- 采用混合动力动作空间,以高效地导航配置空间.
- 通过密度函数理论 (DFT) 验证的结构用于形成能量和初始分子动力学 (AIMD) 进行热稳定.
主要成果:
- 成功预测了基于AgPd的多金属纳米集群的稳定原子配置,包括高合金 (例如,Ag3Pd3Au3Pt3Cu3,Ag5Pd5Au5Pt5Cu5).
- DFT计算证实了DRL产生的结构的热力学稳定性.
- AIMD模拟显示了高合金纳米集群在300K的热稳定性.
结论:
- 深度强化学习提供了一种强大而高效的方法来克服预测稳定的多金属纳米集群结构的挑战.
- 该DRL框架加速了先进纳米材料的发现和合理设计.
- 该研究强调了人工智能在复杂合金系统的材料科学中的潜力.
