文章目录

一、机器学习势物理模型

(一)原子结构局部描述符

    1.原子中心对称函数

    2.原子位置的平滑重叠(SOAP)

    3.近邻密度的双谱

    4.库伦矩阵

    5.原子簇扩展

(二)模型算法

    1.基于神经网络的机器学习势

    2.基于核方法的机器学习势

二、构建机器学习势的物理模型及过程——Deep势

(一)局部结构描述符

(二)Deep势模型：深度神经网络

三、机器学习势在材料基因模拟计算问题中的具体应用

（一）水的相图

(二)燃烧反应

(三)无序结构

文章摘要:计算材料科学在材料基因工程中占据着核心地位,大幅度提升新材料的研发效率,缩短研发周期,降低研发成本。虽然密度泛函和分子动力学计算已经取得了显著的进展,但依然受到计算成本和精度的限制。最近,机器学习势的出现,将密度泛函的精度和分子动力学的效率完美结合。机器学习势作为材料科学的一个工具,正迅速变得足够精确和灵活,可以应用于现实世界的材料科学问题。因此,机器学习势是实现多尺度模拟材料设计的必要步骤。

文章关键词:

论文DOI:10.16312/j.cnki.cn11-3775/g4.2021.06.005

论文分类号:TB305;TP181