基于机器学习原子间势的电子显微镜束致加热建模

我们开发了一种理论与实验相结合的方法，用于估算在电子显微镜中成像的金属纳米颗粒所发生的加热量。我们利用分子动力学与等变神经网络势对纳米颗粒与支撑材料间的热传输进行建模。这些势经密度泛函理论（DFT）计算训练，并且我们展示了可用势的集成来估计神经网络在预测能量与力时的误差。这既可用于在训练阶段改进网络，也可在模拟超出DFT描述能力的大系统时进行性能验证。电子束沉积到纳米颗粒中的能量通过测量电子平均自由程与平均能量损失来估算，二者均在显微镜内利用电子能量损失谱（EELS）完成。综合起来，这使我们能够预测纳米颗粒因其尺寸、形状、支撑材料以及电子束能量与强度而受到的加热。