支援工具

支援工具

1. Automated Convergence(自動測試收斂工具)

VASP需要對其幾種參數進行收斂測試。Automated Convergence對參數自動進行能量收斂測試,並能確定最佳參數值。

2. Forcefield(力場選擇設置)

  • MedeA EAM : 基於嵌入式原子方法 (EAM) 力場的模擬提供了對金屬系統的結構、機械和動力學特性的高效計算描述。
  • MedeA ReaxFF : 基於 ReaxFF 力場的模擬通過允許新化學鍵(金屬、共價、離子和氫)的形成以及這些鍵的斷裂來提供對化學反應系統的準確描述。 ReaxFF 還根據周圍環境自動為原子分配平衡電荷。 MedeA ReaxFF 模組適用於模擬各種氧化物、氮化物和硫化物、鋰離子電池組件、有機和聚合物系統、含能材料、金屬和合金、粘土和沸石以及蛋白質。
  • MedeA COMB3 : 第三代電荷優化多體 (COMB3) 力場將可變電荷靜電相互作用與鍵序概念相結合,能夠處理各種元素和多功能係統。 MedeA COMB3 模組包括 Si/O、Al/O/N、Pt/O/H、Ti/O/N、C/O/H、Cu/Zn/C/O/H 和 Ti/C/O/H 系統
  • MedeA Forcefield Optimizer (FFO) : MedeA 力場優化器為能量最小化 (EM)、分子動力學 (MD) 和蒙特卡羅 (MC) 模擬確定最佳力場參數。力場擴展了模擬的長度、時間尺度和配置採樣,而 MedeA 力場優化器允許您最大化力場和第一原理模擬之間的一致性。
  • MedeA MLP : MedeA 機器學習勢能為基於 LAMMPS 的機器學習勢能模擬提供全面的 MedeA 支持,包括機械、振動和傳輸特性的模擬以及基於 MedeA 的綜合模擬結果分析。 MedeA MLP 包括一個已發布的機器學習勢能庫,該庫源自 LAMMPS 支持的頻譜鄰域分析勢 (SNAP) 。
  • MedeA MLPG : 機器學習勢能生成器 (MLPG) 通過將第一性原理計算的高精度轉移到非常有效的力場模擬領域,形成了機器學習材料研究的核心。 MLPG 建立在由能量、力和應力組成的訓練集之上,這些訓練集是根據各種系統的第一原理計算得出的,並使用機器學習技術從這些訓練集創建對能量/力/應力超曲面的參數化描述。 MLPG 生成的機器學習勢能可立即與 MedeA MLP 一起使用。

3. MedeA High-throughput(高通量計算)

 

Facebook
Youtube
LinkedIn
Facebook
Youtube
LinkedIn
up to top