金属学报

作者：文通其, 刘怀忆, 龚小国, 叶贝琳, 刘思宇, 李卓远

单位：香港大学 机械工程系 香港 999077

关键词：深度势能,原子模拟,机器学习势函数,神经网络,

基金：香港大学种子基金项目(2201100392)

第一性原理计算准确但成本高昂，而建立在传统原子间势函数(力场)基础上的分子动力学模拟速率快但精度低。为了兼顾速率与准确性，机器学习(ML)势函数应运而生并得到广泛应用。深度势能(DP)为ML势的一种，近年来备受关注。本文概述了DP方法在材料科学中的应用。首先介绍了DP的理论基础，随后详细阐述了DP模型的构建和使用，并简要回顾了DP方法在多种材料体系中的应用情况。AIS-Square为DP模型的开发提供了训练数据库及工作流。之后，对比了DP模型与第一性原理计算方法及传统势函数在精度和效率上的表现。最后，对DP方法的发展前景进行了展望。

来源：2024年第10期

《金属学报》期刊编辑部

查看金属学报杂志2024年第10期