利用深度神经网络模拟非晶态及非晶态多孔钯

Isaías Rodríguez

利用深度神经网络模拟非晶态及非晶态多孔钯

材料科学 2025-02-11 v1 无序系统与神经网络

作者: Isaías Rodríguez

摘要

非晶态及非晶态多孔钯是催化、氢气储存及功能应用中的关键材料，但其复杂的结构给计算方法带来了挑战。本研究采用基于初步分子动力学模拟得到的33,310个原子构型训练的深度神经网络，对这些材料的原子间势能进行建模。该 AI 驱动的方法在预测结构和热力学性质方面具有高度准确性，同时显著降低了计算成本。与密度泛函理论的结果对比验证表明，其可靠地再现力、能量及结构分布。这些发现凸显了 AI 在加速非晶材料研究以及推动其在能源和催化应用方面发展中的潜力。

关键词

非晶钯多孔材料深度神经网络原子间势能氢气储存催化密度泛函理论计算材料科学

引用

@article{arxiv.2502.05201,
  title  = {Harnessing Artificial Intelligence for Modeling Amorphous and Amorphous Porous Palladium: A Deep Neural Network Approach},
  author = {Isaías Rodríguez},
  journal= {arXiv preprint arXiv:2502.05201},
  year   = {2025}
}

备注

8 pages, 4 figures

利用深度神经网络模拟非晶态及非晶态多孔钯

摘要

关键词

引用

备注

相关论文