利用机器学习力场研究 Al (111) 表面上的吸附原子熟化
材料科学
2016-10-18 v1
摘要
表面现象在探索纳米尺度材料生长与表征方面正变得日益重要。因此，对基于原子论的模拟的需求也在增加。然而，完全依赖量子力学方法限制了可考虑的长度和时间尺度，导致对基于机器学习的替代力场的依赖性不断增强。最近，我们提出了一种称为 AGNI 的机器学习方法，该方法能够根据原子的邻域环境快速且准确地预测原子力。在此，我们利用此类力场来研究和表征发生在 Al (111) 表面上的纳米尺度扩散与生长过程。我们特别关注吸附原子熟化现象，完全使用分子动力学模拟证实了过去的实验发现，即观察到了低温和高温两种生长模式。
引用
@article{arxiv.1610.04684,
title = {A study of adatom ripening on an Al (111) surface with machine learning force fields},
author = {Venkatesh Botu and James Chapman and Rampi Ramprasad},
journal= {arXiv preprint arXiv:1610.04684},
year = {2016}
}