用于 tin 材料冲击响应精准仿真的深度学习势能模型
材料科学
2025-05-20 v1
摘要
锡 (Sn) 在研究塑性金属在冲击载荷下的动态力学响应方面发挥着关键作用。原子尺度的仿真有助于揭示动态响应关键行为的纳米尺度机制。然而，现有的锡经验势能模型在此类仿真中往往缺乏足够的精度。尤其是锡的固-固相相变行为对势能模型的准确性构成了重大挑战。为此，本研究引入一种针对冲击响应仿真优化的机器学习势能模型。该模型基于并行学习框架构建的数据集进行训练，适用于温度范围从 0 到 5000 K、压力范围从 0 到 100 GPa 的分子模拟，涵盖固相、液相以及具有自由表面的结构。该模型准确再现了密度泛函理论 (DFT) 推导的基本性质、实验熔点曲线、固-固相边界以及冲击 Hugoniot 结果。这表明该模型有潜力在锡的大规模动态仿真中桥接 ab initio 精度。
引用
@article{arxiv.2505.12698,
title = {A Deep Learning Potential for Accurate Shock Response Simulations in Tin},
author = {Yixin Chen and Xiaoyang Wang and Wanghui Li and Mohan Chen and Han Wang},
journal= {arXiv preprint arXiv:2505.12698},
year = {2025}
}
备注
33 pages, 6 figures, 2 tables