用于铁电KNbO3钙钛矿分子动力学模拟的机器学习原子间势
材料科学
2023-01-18 v1
摘要
铁电钙钛矿几十年来一直广泛应用于压电器件，其中，环保无铅的(K,Na)NbO3基材料最近被证明是可持续发展的优秀候选材料。分子动力学是研究铁电钙钛矿动力学性质的多功能理论计算方法。然而，由于传统原子间势的构建相当困难和低效，铁电钙钛矿的分子动力学模拟一直局限于简单系统。在本研究中，我们利用深度神经网络模型构建了KNbO3（作为(K,Na)NbO3的代表性系统）的机器学习原子间势。将第一性原理计算数据纳入训练数据集确保了原子间势的量子力学精度。基于机器学习原子间势的分子动力学与第一性原理计算吻合良好，能够准确预测多个基本性质，例如原子力、能量、弹性性质和声子色散。此外，该原子间势在畴壁和温度依赖相变的模拟中表现出令人满意的性能。基于机器学习的原子间势构建可能转移到其他铁电钙钛矿，从而有益于铁电体的理论研究。
引用
@article{arxiv.2203.01117,
title = {Machine-learning interatomic potential for molecular dynamics simulation of ferroelectric KNbO3 perovskite},
author = {Hao-Cheng Thong and XiaoYang Wang and Han Wang and Linfeng Zhang and Ke Wang and Ben Xu},
journal= {arXiv preprint arXiv:2203.01117},
year = {2023}
}