在此次的網路研討會中,我們將說明鈷的高精準度機器學習力場(MLP)的開發,該模型能夠在較長的時間尺度、廣泛的溫度和壓力範圍內模擬散裝材料、表面和奈米團簇等大型模型。雖然MLP本身是非磁性的,但它使用 MedeA VASP 來進行數千次的自旋極化的從頭計算訓練。所得的MLP力場結果精準的重現了鈷在六方最密堆積(hcp)、面心立方堆積(fcc)中的聲子色散、鈷的表面能以及其奈米粒子在不同形狀下的相對穩定性;而所計算出的熱膨脹係數、熔點也非常接近實驗的數值。此外,此 MLP 也捕獲了許多細微的材料特性,例如奈米顆粒頂點上的空位形成能量。 這種準確性和多功能性使其具有廣泛的應用潛力,包括對鈷催化表面的幾何形狀進行建模。
|