离子液体和胶体悬浮液场效应行为的图神经网络仿真
计算物理
2025-02-20 v3
摘要
我们提出了一个图神经网络 (GNN)，准确地模拟了多分散球形粒子相互作用的悬浮液。我们的机器学习框架基于 Sanchez-Gonzalez 等人在 ICML、PMLR、119、8459-8468 (2020) 关于图网络仿真器的最新工作，高效学习相互作用粒子的复杂动力学。在 GNN 中，节点和边分别对应具有各自属性/数据（如半径、位置、速度）的粒子，以及粒子之间的两两相互作用（如静电、流体动力学）。我们工作的一个关键贡献是考虑粒子的有限维度及其对系统动力学的影响。我们将 GNN 测试于一个代表性案例：在液体中受重力沉降的二维球形多分散混合物，粒子之间通过 Lennard-Jones 势相互作用。当前的 GNN 框架提供了一种快速而准确的方法，用于研究复杂物理系统，如胶体悬浮液和离子液体的场效应行为。我们的 GNN 实现已在 GitHub 上提供，地址为 github.com/rfjd/GNS-DispersedSystems。
引用
@article{arxiv.2412.02967,
title = {A Graph Neural Network Simulation of Dispersed Systems},
author = {Aref Hashemi and Aliakbar Izadkhah},
journal= {arXiv preprint arXiv:2412.02967},
year = {2025}
}