基于强化学习引导的金属中氢输运长时间尺度模拟
材料科学
2023-07-12 v1 计算物理
摘要
固体中的原子扩散是多种现象中的重要过程。然而，扩散过程的原子尺度模拟面临时间尺度问题：可访问的模拟时间通常远短于实验关注的时间。本工作中，我们开发了一种利用强化学习的长时间尺度方法来模拟扩散过程。作为测试，我们模拟了纯金属及中熵合金 CrCoNi 中的氢扩散，所得氢扩散率与先前实验合理一致。我们还以氢向铜（111）表面位点迁移为例，证明相较于 Metropolis-Hastings 算法，我们的方法能加速低能构型的采样。
引用
@article{arxiv.2307.05394,
title = {Reinforcement learning-guided long-timescale simulation of hydrogen transport in metals},
author = {Hao Tang and Boning Li and Yixuan Song and Mengren Liu and Haowei Xu and Guoqing Wang and Heejung Chung and Ju Li},
journal= {arXiv preprint arXiv:2307.05394},
year = {2023}
}