晶界的结构表征及晶界能量与迁移率的机器学习
材料科学
2018-08-17 v1 计算物理
摘要
材料数值表示的最新进展为晶界（GB）能量的成功机器学习以及GB迁移率和剪切耦合的分类开辟了道路。这些机器学习应用需要两种表示：1）基于平均局部环境描述符的ASR表示；2）基于整个GB系统中全局唯一局部环境分数的LER描述符。我们给出了如何构建这两种表示以学习能量、迁移率和剪切耦合的详细教程。此外，我们记录了在此过程中遇到的一些零结果。
引用
@article{arxiv.1808.05292,
title = {Structural Characterization of Grain Boundaries and Machine Learning of Grain Boundary Energy and Mobility},
author = {Conrad W. Rosenbrock and Jonathan L. Priedeman and Gus L. W. Hart and Eric R. Homer},
journal= {arXiv preprint arXiv:1808.05292},
year = {2018}
}
备注
12 pages, 11 figures