等温等压系综的自学习混合蒙特卡洛方法：以液态二氧化硅为例的应用
无序系统与神经网络
2021-07-28 v2 材料科学
化学物理
摘要
自学习混合蒙特卡洛（SLHMC）是一种基于密度泛函理论在势能面上实现精确系综生成的第一性原理模拟方法。借助机器学习势函数的智能试探移动，可加速统计采样。在首次报道中（Nagai 等，Phys. Rev. B 102, 041124(R) (2020)），SLHMC 方法针对最简单的正则采样情形被提出。本文将该思想推广至等温等压系综，以实现对具有大体积涨落的软物质与液体的普适应用。作为演示，等温等压 SLHMC 方法被用于研究接近熔点温度下液态二氧化硅的振动结构，其慢扩散运动超出了第一性原理分子动力学的时间尺度。研究发现，由此从第一性原理计算的静态结构因子与高能 X 射线数据吻合良好。
引用
@article{arxiv.2107.03017,
title = {Self-learning hybrid Monte Carlo method for isothermal-isobaric ensemble: Application to liquid silica},
author = {Keita Kobayashi and Yuki Nagai and Mitsuhiro Itakura and Motoyuki Shiga},
journal= {arXiv preprint arXiv:2107.03017},
year = {2021}
}
备注
To be published in the Journal of Chemical Physics