遗传算法在金属氧化物原子间势参数化中的方法与优势
材料科学
2013-06-06 v1
摘要
本文开发并描述了一种基于进化计算的方法，该方法利用稳态遗传算法 (GA) 在壳层模型框架下对金属氧化物的原子间势进行参数化。我们表明，这种基于 GA 的原子间力场函数参数化方法能够：(a) 在单次运行中同时优化材料的多个相或性质；(b) 当有更多关于额外相或先前运行中未包含的材料性质的数据可用时，促进整个系统的增量重优化；(c) 在参数空间存在多个局部极小值的情况下成功实现全局优化。作为示例，我们应用该方法，基于从头算密度泛函理论 (DFT) 参考数据集，对钛酸钡 (BaTiO3 或 BTO) 的四种不同晶相进行了同时优化。我们发现，优化后的力场函数能够预测未用于优化过程的两种相，且许多推导出的物理性质（如平衡晶格常数、晶胞体积、弹性性质、热膨胀系数和平均电子极化率）与文献中的实验结果吻合良好。
引用
@article{arxiv.1306.1196,
title = {Method and Advantages of Genetic Algorithms in Parameterization of Interatomic Potentials: Metal-Oxides},
author = {Jose Solomon and Peter Chung and Deepak Srivastava and Eric Darve},
journal= {arXiv preprint arXiv:1306.1196},
year = {2013}
}
备注
31 pages, 16 figures