通过神经网络势模拟固态电解质扩散性质:性能与训练方案
计算物理
2019-10-23 v1
摘要
最近发布的DeePMD模型(https://github.com/deepmodeling/deepmd-kit)基于深度神经网络架构,带来了解决时间尺度问题的希望,该问题常阻碍第一性原理分子动力学在物理系统中的应用。在此工作中,我们评估了DeePMD势在实际应用中的性能,并对固态电解质中的离子扩散进行建模。我们考虑作为测试用例的知名材料Li10GeP2S12、Li7La3Zr2O12和Na3Zr2Si2PO12。我们开发并测试了一种适用于扩散系数计算的训练协议,扩散系数是电池应用中需优化的关键性质之一,并且我们发现与先前计算结果吻合良好。我们的结果表明,DeePMD模型可成为识别新型固态电解质的框架中的成功组件。
引用
@article{arxiv.1910.10090,
title = {Simulating diffusion properties of solid-state electrolytes via a neural network potential: Performance and training scheme},
author = {Aris Marcolongo and Tobias Binninger and Federico Zipoli and Teodoro Laino},
journal= {arXiv preprint arXiv:1910.10090},
year = {2019}
}