基于机器学习高斯近似势的多壳层富勒烯模拟
无序系统与神经网络
2022-12-15 v2
摘要
使用在 Gaussian Approximation Potential (ML-GAP) 框架下经密度泛函理论 (DFT) 训练的机器学习碳势 [Volker L. Deringer and Gabor Csanyi, Phys. Rev. B 95, 094203 (2017)]，从初始随机构型出发模拟了多壳层富勒烯“巴基葱”。获得了大量此类富勒烯，其尺寸范围从 60 到 3774 个原子不等。巴基葱通过团簇形成，层化从最外层壳开始并向内进行。壳间内聚部分归因于离域 电子在层间隙中的相互作用。使用密度泛函代码 VASP 和 SIESTA 对模型能量进行事后验证，在两种方法和共轭梯度能量收敛后，模型能量差在 0.02 - 0.08 eV/atom 范围内。
引用
@article{arxiv.2208.06462,
title = {Simulation of multi-shell fullerenes using Machine-Learning Gaussian Approximation Potential},
author = {C. Ugwumadu and K. Nepal and R. Thapa and Y. G. Lee and Y. Al Majali and J. Trembly and D. A. Drabold},
journal= {arXiv preprint arXiv:2208.06462},
year = {2022}
}