亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Molecular Dynamics Simulations of Molten Magnesium Chloride Using Machine‐Learning‐Based Deep Potential

分子动力学 工作(物理) 熔盐 密度泛函理论 扩散 材料科学 氯化物 势能 Atom(片上系统) 化学物理 计算化学 统计物理学 化学 计算机科学 热力学 物理 原子物理学 冶金 并行计算
作者
Wenshuo Liang,Guanzhong Lu,Jianguo Yu
出处
期刊:Advanced theory and simulations [Wiley]
卷期号:3 (12) 被引量:23
标识
DOI:10.1002/adts.202000180
摘要

Abstract In previous work, molten magnesium chloride has been investigated using first‐principles molecular dynamics (FPMD) simulations based on density functional theory (DFT). However, such simulations are computationally intensive and therefore are restricted in terms of simulated size and time. In this work, a machine learning‐based deep potential (DP) is trained to accelerate the molecular dynamics simulation of molten magnesium chloride. The trained DP can accurately describe the energies and forces with the prediction errors in energy and force being 1.76 × 10 −3 eV/atom and 4.76 × 10 −2 eV Å −1 , respectively. Applying the deep potential molecular dynamics (DPMD) approach, simulations can be performed with more than 1000 atoms, which is infeasible for FPMD simulations. Additionally, the partial radial distribution functions, angle distribution functions, densities, and self‐diffusion coefficients predicted by DPMD simulations are also in reasonable agreement with FPMD or experimental results. This work shows that the DP enables higher efficiency and similar accuracy relative to DFT, exhibiting a bright application prospect in modeling molten salt systems.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
5秒前
粥粥舟发布了新的文献求助10
9秒前
大模型应助优雅的涵瑶采纳,获得10
10秒前
16秒前
粥粥舟完成签到,获得积分10
20秒前
科研剧中人完成签到,获得积分0
21秒前
22秒前
30秒前
春曙为最发布了新的文献求助20
34秒前
vg完成签到 ,获得积分10
35秒前
遇见馅儿饼完成签到 ,获得积分10
38秒前
44秒前
超级的代柔完成签到,获得积分10
46秒前
去去去去发布了新的文献求助10
48秒前
调皮的戎完成签到,获得积分20
49秒前
gaberella发布了新的文献求助10
58秒前
年年完成签到,获得积分10
1分钟前
gaberella完成签到,获得积分20
1分钟前
打打应助去去去去采纳,获得30
1分钟前
生信精准科研完成签到,获得积分10
1分钟前
春曙为最完成签到,获得积分10
1分钟前
fang发布了新的文献求助10
1分钟前
yi完成签到 ,获得积分10
1分钟前
FZAO完成签到,获得积分10
1分钟前
优势构象完成签到,获得积分10
1分钟前
优势构象发布了新的文献求助20
1分钟前
机智的胖达完成签到,获得积分10
2分钟前
隐形曼青应助科研通管家采纳,获得30
2分钟前
2分钟前
FZAO发布了新的文献求助10
2分钟前
dd发布了新的文献求助10
2分钟前
2分钟前
33发布了新的文献求助10
2分钟前
DeaR完成签到 ,获得积分10
2分钟前
2分钟前
Alane发布了新的文献求助10
2分钟前
2分钟前
2分钟前
ting77发布了新的文献求助10
2分钟前
小哈完成签到 ,获得积分10
2分钟前
高分求助中
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Chen Hansheng: China’s Last Romantic Revolutionary 500
宽禁带半导体紫外光电探测器 388
Case Research: The Case Writing Process 300
Global Geological Record of Lake Basins 300
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3142672
求助须知:如何正确求助?哪些是违规求助? 2793553
关于积分的说明 7806860
捐赠科研通 2449789
什么是DOI,文献DOI怎么找? 1303455
科研通“疑难数据库(出版商)”最低求助积分说明 626950
版权声明 601314