logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

GULP案例3代码解释:计算弹性常数和绘制弹性模量二维、三维图

GULP案例3代码解释:计算弹性常数和绘制弹性模量二维、三维图

文章图片
#gulp#node.js#前端
【文献分享】PCCP:机器学习 + 分子动力学 + 第一性原理 + 热学性质 + 微观结构

在纳米空间尺度和纳秒时间尺度上实现了不同配方的DP在熔融Flibe + LaF 3上的。无法捕捉非均质熔盐的精确局部结构和可靠的热物理性质。,系统研究了多种熔融Flibe + x LaF的。如图3所示,研究了这些性质与LaF 3浓度之间的。,从而降低熔盐反应堆的运行效率和安全性。“镧系裂变产物的积累可能会改变核燃料载体盐。”——取自文章摘要。

文章图片
#机器学习
【文献分享】Journal of Physical Chemistry C :通过更好的实践提高机器学习原子间势的质量和可靠性

我们还建议有用的绘图实践和分析,以验证和增强对已部署模型的信心。最后,我们提供了一份分步清单,供从业人员在发布之前直接使用,以标准化要报告的信息。总的来说,我们希望我们的工作能够鼓励。,这将加速它们在材料科学、化学和生物学等各个学科中产生积极影响的能力。”——取自文章摘要。的最新发展甚至使非机器学习专家也能够训练 MLIP 以。,阻碍了 MLIP 结果的。在本视角中,我们的目标是。

文章图片
#机器学习#深度学习
机器学习 + 分子动力学 + 第一性原理计算 + 热力学性质(熔化温度 & 热导率 & 热膨胀系数)

由于显着增强的放热能力和增加的比冲量,铝锂合金是先进能源和推进剂系统中可行且有前景的添加剂。铝锂合金的热性能直接决定推进剂的制造、储存安全和着火延迟。这为铝锂合金燃烧性能的改善提供了另一种原子解释。这些发现将合金材料科学领域的见解融入到关键的燃烧应用中,为开发制造技术提供了原子指南。进行了一系列基于 NNP 的分子动力学模拟,以研究 Li 掺杂对 Al-Li 合金热性能的影响。然而,它会导致热导率

文章图片
#机器学习
【文献分享】机器学习 + 分子动力学(LAMMPS 输入文件)+ 第一性原理 + 热学性质 + 动力学性质

目前还没有可用的实验数据。由此,我们通过报告熔融 LiCl-KCl 系统中众所周知的 Chemla 效应来验证 NNP。我们进一步利用 NNP 通过固液共存模拟来预测 LiCl-KCl 系统的相图。反应堆和聚光太阳能的熔盐可能具有挑战性。根据本文报告的结果,NNP 表现出显着的准确性,NNP 的可靠性得益于严格的训练数据获取方法,其中涵盖了纯。据观察,NNP 合理地再现了熔融 LiCl/KCl 盐

文章图片
#机器学习
【更新至 88 个】第一性原理计算 + 数据处理程序

【2】第一性原理计算 + 数据处理程序SMATool 程序:VASP + QE + 零温 + 有限温度 + 拉伸、剪切、双轴、维氏硬度的计算ElasTool v3.0 程序:材料弹性和机械性能的高效计算和可视化工具包VELAS 程序:用于弹性各向异性可视化和分析Phasego 程序:用于自动计算和绘制相图可视化软件 GDIS 软件:第一原理计算/VASP + 结构预测/USPEXVASPMATE:

文章图片
【文献分享】机器学习 + 分子动力学 + 第一性原理 + 电导率 + 微观结构

包含混合Si和P玻璃形成体的玻璃态SEs (GSEs)因其合成工艺和防止锂枝晶生长的能力而特别有前途。,为3.6 mS/cm。三元玻璃的电导率为2.6毫秒/厘米,介于两者之间。,专为硫化锂基GSEs量身定制,能够探索它们的结构特征,机械性能和锂离子电导率。,为2.1 mS/cm,而75 li2s–25p2s 5组合物显示出。我们的发现揭示了这些玻璃中Si和P的。,在三元Li2S–sis 2–p2s

文章图片
#机器学习
【文献分享】机器学习 + 分子动力学 + 第一性原理 + 微观结构 + 热力学性质(密度、热容、热导率和粘度)

这两种氯化物的密度、径向分布函数、配位数、势均力、比热容、粘度和热导率在更大尺寸(5.2 nm)和更长时间尺度(5 ns)的 DPMD 的作用下,成功地再现了它们在。结论是,熔融 MK 的比热容较高是由于 Mg-Cl 键的势均力较强,而熔融 MN 的热传导性能较好是由于 Mg 和 Cl 离子之间的相互作用较弱,验证了这两种深电位在温度上的延伸性,这些 DPMD 结果还为其他配制的 MN 和 MK

文章图片
#机器学习
机器学习 + 分子动力学 + 第一性原理计算 + 热力学性质(熔化温度 & 热导率 & 热膨胀系数)

由于显着增强的放热能力和增加的比冲量,铝锂合金是先进能源和推进剂系统中可行且有前景的添加剂。铝锂合金的热性能直接决定推进剂的制造、储存安全和着火延迟。这为铝锂合金燃烧性能的改善提供了另一种原子解释。这些发现将合金材料科学领域的见解融入到关键的燃烧应用中,为开发制造技术提供了原子指南。进行了一系列基于 NNP 的分子动力学模拟,以研究 Li 掺杂对 Al-Li 合金热性能的影响。然而,它会导致热导率

文章图片
#机器学习
文献速递:机器学习 + 分子动力学 + 第一性原理计算 + 热力学性质(熔化温度 & 热导率 & 热膨胀系数)

铝锂合金的热性能直接决定推进剂的制造、储存安全和着火延迟。这为铝锂合金燃烧性能的改善提供了另一种原子解释。这些发现将合金材料科学领域的见解融入到关键的燃烧应用中,为开发制造技术提供了原子指南。”——取自文章摘要。进行了一系列基于 NNP 的分子动力学模拟,以研究 Li 掺杂对 Al-Li 合金热性能的影响。然而,它会导致热导率大幅降低,这与元件的物理特性有关。,从原子角度研究铝锂合金的热行为。

文章图片
#机器学习
    共 31 条
  • 1
  • 2
  • 3
  • 4
  • 请选择