基于神经进化势能实现的百万原子多晶石墨烯热传导模拟，逼近第一性原理精度
材料科学
2024-10-21 v2 统计力学
摘要
大规模结构特征系统的第一性原理分子动力学模拟由于计算成本高，面临挑战。本文以多晶石墨烯为案例，展示了在含有超过140万个原子的系统中，实现近第一性原理精度的热传导模拟的可行性，甚至可以使用消费级桌面GPU实现。这由高度高效的神经进化势能（NEP）方法实现，作为开源GPUMD软件包的一部分。凭借NEP模型的精度与效率，我们量化了由于晶粒边界大小不同导致的多晶石墨烯热导率的降低，阐明了来自平面和垂直（弯曲）声子模式的贡献。此外，我们发现，在显著拉伸应变下，晶粒边界可导致热导率为有限值，这与在类似条件下纯净石墨烯的发散行为相对比，表明晶粒边界可能在低维动量守恒系统的热传导中发挥关键作用。这些发现可能有助于解释实验观察，鉴于实际材料中普遍存在大规模晶粒边界和外部应变。演示在消费级桌面GPU上使用NEP方法实现百万原子近第一性原理精度模拟的能力，将使更广泛的研究社区受益于大规模高保真原子尺度模拟。
引用
@article{arxiv.2410.13535,
title = {Million-atom heat transport simulations of polycrystalline graphene approaching first-principles accuracy enabled by neuroevolution potential on desktop GPUs},
author = {Xiaoye Zhou and Yuqi Liu and Benrui Tang and Junyuan Wang and Haikuan Dong and Xiaoming Xiu and Shunda Chen and Zheyong Fan},
journal= {arXiv preprint arXiv:2410.13535},
year = {2024}
}
备注
8 pages, 6 figures, a labeling typo in the previous Fig. 6 has been corrected