基于电子温度依赖深度势分子动力学的温稠密物质模拟
计算物理
2019-09-04 v1 无序系统与神经网络
其他凝聚态物理
摘要
模拟经历宽范围温度和密度的温稠密物质是一项挑战。基于量子力学的预测性理论模型，如第一性原理分子动力学（FPMD），需要海量的计算资源。在此，我们提出一种基于深度学习的方案，称为电子温度依赖深度势分子动力学（TDDPMD），用于以 FPMD 的精度高效模拟温稠密物质。TDDPMD 模拟比 FPMD 快数个数量级，且不同于 FPMD，其效率不受电子温度影响。我们将 TDDPMD 方案应用于铍（Be），覆盖宽温度范围（0.4 至 2500 eV）和密度范围（3.50 至 8.25 g/cm）。我们的结果表明，TDDPMD 方法不仅在主雨贡纽曲线上以 FPMD 水平准确复现 Be 的结构性质，而且由于能够模拟更大体系与更长时间，其给出的扩散系数甚至比典型 FPMD 模拟更为可靠。
引用
@article{arxiv.1909.00231,
title = {Warm dense matter simulation via electron temperature dependent deep potential molecular dynamics},
author = {Yuzhi Zhang and Chang Gao and Linfeng Zhang and Han Wang and Mohan Chen},
journal= {arXiv preprint arXiv:1909.00231},
year = {2019}
}
备注
4 figures