期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
Theoretical study of Na^(+)transport in the solid-state electrolyte Na_(3)OBr based on deep potential molecular dynamics
1
作者 Han-Xiao Li Xu-Yuan Zhou +1 位作者 Yue-Chao Wang Hong Jiang 《Inorganic Chemistry Frontiers》 2021年第2期425-432,共8页
Recent discoveries in the antiperovskite-class sodium superionic conductors call for a thorough mole cular dynamics(MD)study of sodium ion mobility,but the practical use of MD is often hindered by the accuracy-vs.-eff... Recent discoveries in the antiperovskite-class sodium superionic conductors call for a thorough mole cular dynamics(MD)study of sodium ion mobility,but the practical use of MD is often hindered by the accuracy-vs.-effciency dilemma.Here we applied the recently developed deep potential molecular dynamics(DeePMD)approach to investigate the ion mobility in Na_(3)OBr.With the deep potential model for Na_(3)OBr constructed based onfirst-principles density-functional theory(DFT)calculations,we directly calculate the Na+diffusion coeffcient at various temperatures,and obtain an activation energy of 0.42-0.43 eV.This in comparison with the 0 K migration barrier(0.41-0.43 eV)suggests that thefinite temperature effect is negligible for Na_(3)OBr.The model gives an extrapolated room temperature ionic conductivity of 1×10^(−4)-2×10^(−4)mS cm^(−1),roughly in the same order of magnitude as the experimental results.We also confirm the proportionality of the diffusion coeffcient with respect to the vacancy con centration,andfind that the migration barrier is relatively insensitive to the vacancy concentration.This work further demonstrates the promising role of the DeePMD method in the study of the transport pro perties of solid-state electrolytes. 展开更多
关键词 calculate th deep potential molecular dynamics deepmd approach deep potential molecular dynamics sodium superionic conductors ion mobility deep potential model mole cular dynamics md study sodium ion mobility
在线阅读 下载PDF
第一性原理精度的分子动力学模拟强可扩展性研究 被引量:1
2
作者 李剑雄 谭光明 贾伟乐 《科学通报》 北大核心 2025年第24期4109-4115,共7页
基于神经网络的第一性原理精度的分子动力学模拟方法,目前已成为研究物质相变、材料缺陷等量子物理现象的重要工具.然而,尽管该方法在模拟空间尺度、计算精度等方面已取得了显著进展,但是由于其计算过程需要进行神经网络模型推理,包含... 基于神经网络的第一性原理精度的分子动力学模拟方法,目前已成为研究物质相变、材料缺陷等量子物理现象的重要工具.然而,尽管该方法在模拟空间尺度、计算精度等方面已取得了显著进展,但是由于其计算过程需要进行神经网络模型推理,包含大量复杂算子,模拟速度仍然受限,每天仅能实现纳秒级时间尺度的模拟.一些复杂物理化学现象的研究,需要微秒甚至毫秒级的模拟.即使是当前模拟速度最快的工具也需要数周时间的计算,这严重制约了相关领域的研究进程.提升模拟工具的强可扩展性能,加快模拟速度,减少到解时间,具有重要的研究意义.本文对DeePMD-kit这一广泛使用的开源工具展开了一系列细粒度的优化.我们针对其在强可扩展场景下的计算效率低下的问题,提出了无框架代码实现、面向瘦高矩阵的GEMM算子优化,以及大内存下Tabulate算法优化等优化方法.我们在ARM和X86两个平台上进行了代码实现,在每个核心只计算一个原子时,将单个时间步所需的计算时间降低到了最低331μs,在两个平台上的计算速度分别提升了34和303倍. 展开更多
关键词 高性能计算 deepmd 分子动力学 神经网络力场
原文传递
基于机器学习的氮掺杂石墨炔力学性能预测 被引量:1
3
作者 张存 杨博林 +1 位作者 彭志龙 陈少华 《Science China Materials》 SCIE EI CAS CSCD 2024年第4期1129-1139,共11页
氮掺杂γ-石墨二炔(N-GDY)因其在能源、电子元器件和催化领域具有重要应用前景而备受关注.研究表明,N-GDY在不同的氮掺杂情况下会表现出迥异的物理化学性质.由于氮掺杂的多样性,N-GDY的理论及应用研究受到了极大的限制.鉴于此,本文采用... 氮掺杂γ-石墨二炔(N-GDY)因其在能源、电子元器件和催化领域具有重要应用前景而备受关注.研究表明,N-GDY在不同的氮掺杂情况下会表现出迥异的物理化学性质.由于氮掺杂的多样性,N-GDY的理论及应用研究受到了极大的限制.鉴于此,本文采用鄂维南等人提出的DeepMD方法训练得到了具有第一性原理精度、适用于N-GDY的机器学习势.利用该机器学习势,系统研究了氮掺杂模式对N-GDY力学性能的影响.研究发现,氮原子掺杂会导致N-GDY的抗拉强度降低.在单个碳链上掺杂氮原子时,N-GDY的抗拉强度随着氮原子掺杂位点到苯环的距离变小而减弱.相邻碳链氮原子共掺杂能够使N-GDY表现出更强的各向异性力学特征.本文研究结果对N-GDY在能源存储和柔性设备等领域的潜在应用提供了理论支持,同时也表明了机器学习势在从大规模数据集中学习并预测碳纳米材料复杂力学性质方面的潜力,为纳米材料设计及工程应用具有重要指导作用. 展开更多
关键词 机器学习 力学性能预测 氮掺杂 碳纳米材料 能源存储 力学特征 第一性原理 电子元器件
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部