用于Fe$_{7}$Cr$_{2}$Ni合金的共线自旋机器学习原子间势
材料科学
2024-03-27 v2
摘要
我们利用高斯近似势（GAP）框架，为典型奥氏体钢FeCrNi开发了一种新的机器学习原子间势。这一新GAP能以接近密度泛函理论（DFT）的精度模拟合金性质，同时使我们能访问比昂贵的第一性原理方法更大的长度与时间尺度。我们还将GAP输入描述符扩展以近似共线自旋的效应（Spin GAP），并展示该扩展模型如何成功预测由反铁磁与顺磁自旋态导致的结构畸变。我们展示了Spin GAP模型在体相性质与空位上的应用，并与DFT进行验证。这些结果是朝着以更高精度模拟奥氏体钢老化的原子尺度起源迈进的一步。
引用
@article{arxiv.2309.08689,
title = {A collinear-spin machine learned interatomic potential for Fe$_{7}$Cr$_{2}$Ni alloy},
author = {Lakshmi Shenoy and Christopher D. Woodgate and Julie B. Staunton and Albert P. Bartók and Charlotte S. Becquart and Christophe Domain and James R. Kermode},
journal= {arXiv preprint arXiv:2309.08689},
year = {2024}
}