$\alpha$-黄铜纳米颗粒的性质 I：神经网络势能面
化学物理
2020-04-10 v2
摘要
二元金属团簇因在多相催化中的应用而备受关注，近年来获得大量研究。为在原子尺度洞察其结构与组分，若有可靠原子间势，计算机模拟可提供宝贵信息。本文描述一种高维神经网络势 (HDNNP) 的构建，旨在模拟含数千原子的黄铜纳米颗粒，亦适用于块体 -黄铜及其表面。该 HDNNP 基于密度泛函理论计算所得的参考数据，精度很高，对未包含在训练集中的结构，总能量的均方根误差为 1.7 meV/atom，力的均方根误差为 39 meV/{\AA}。该势已针对块体 -黄铜、其表面及不同尺寸与组分团簇的广泛能量与结构性质进行充分验证，证明其适用于具第一性原理精度的大规模分子动力学与蒙特卡洛模拟。
引用
@article{arxiv.2001.10906,
title = {Properties of $\alpha$-Brass Nanoparticles I: Neural Network Potential Energy Surface},
author = {Jan Weinreich and Anton Römer and Martín Leandro Paleico and Jörg Behler},
journal= {arXiv preprint arXiv:2001.10906},
year = {2020}
}
备注
12 figures