用于多层石墨烯的混合神经网络势

单层和多层石墨烯是用于电子器件、传感器、能量生成与存储以及医学等应用的有前景材料。为了对基于石墨烯的器件的力学和热学行为进行大规模原子模拟，需要准确的原子间势。在此，我们提出一种用于多层石墨烯结构的新的原子间势，称为“hNN--Gr$_x$”。该混合势采用神经网络描述短程相互作用，并采用基于理论的解析项来建模长程色散。该势通过对来自基于密度泛函理论（DFT）的第一性原理总能量计算获得的单层石墨烯、双层石墨烯和石墨构型的大型数据集进行训练。该势为层内和层间相互作用提供了准确的能量和力，正确再现了结构、能量和弹性性质（如平衡层间距、层间结合能、弹性模量和声子色散）的DFT结果，而这些并非其拟合目标。该势被用于研究单层石墨烯中空位对热导率的影响以及双层石墨烯中的层间摩擦。该势可通过OpenKIM原子间势库在\url{https://openkim.org}获取。