多主元合金中作用力预测的神经网络模型
材料科学
2021-07-19 v2
摘要
原子尺度模拟可为多主元合金的物理性质提供有用见解。然而，经典势大多无法捕捉关键的量子（电子结构）效应。我们提出一种基于深度三维卷积神经网络（3D CNN）并结合体素化技术的框架，用于设计化学复杂合金的原子间势。我们展示了3D CNN模型的性能及其在使用中熵合金TaNbMo计算势时的有效性。为深入了解体素分辨率的影响，我们实现了基于内包围盒和外包围盒的两种方法。一个与密度泛函理论（DFT）方法同样精确的高效3D CNN模型，将为一般多主元合金结构与动力学的准确原子尺度模拟提供有前景的方案。
引用
@article{arxiv.2101.05867,
title = {Neural-networks model for force prediction in multi-principal-element alloys},
author = {Rahul Singh and Prashant Singh and Aayush Sharma and O. R. Bingol and Aditya Balu and Ganesh Balasubramanian and A. Krishnamurthy and Soumik Sarkar and Duane D. Johnson},
journal= {arXiv preprint arXiv:2101.05867},
year = {2021}
}
备注
5 Figures. arXiv admin note: text overlap with arXiv:1811.09724 ("Neural-networks model for force prediction in multi-principal-element alloys" manuscript is updated version of the old arXiv:1811.09724)