将原子尺度模拟推向超高温极限：面向 ZrB2 的机器学习力场
材料科学
2019-11-11 v1 量子物理
摘要
在宽广温度区间（尤其是直至超高温区域）确定热学与物理学量是一项艰巨的理论与实验挑战。同时，这对于理解超高温陶瓷(UHTC)材料的性能至关重要。本文我们展示了面向 ZrB2 的机器学习力场的开发，ZrB2 是具有复杂键合结构的 UHTC 家族主要成员之一。该力场对能量与力均展现出化学精度，并可复现结构、弹性与声子性质，包括热膨胀与热输运。与现有经验势的详尽比较表明，我们的力场优于同类方法。最重要的是，其有效性从室温扩展至超高温区域（高达约 2,500 K），该区域测量极为困难、昂贵且有时不可能。我们的工作表明，机器学习力场可用于无实验工具可用但对诸多工程应用（如航空航天、航空与核领域）至关重要的恶劣环境中材料的模拟。
引用
@article{arxiv.1911.03307,
title = {Pushing the limits of atomistic simulations towards ultra-high temperature: a machine-learning force field for ZrB2},
author = {Yanhui Zhang and Alessandro Lunghi and Stefano Sanvito},
journal= {arXiv preprint arXiv:1911.03307},
year = {2019}
}