面向鐵電相變的機器學習:基于圖卷積神經(jīng)網(wǎng)絡的分子動力學模擬

摘要： 鐵電材料廣泛應用于功能器件中,對鐵電體進行方便、準確的理論建模,是一個長期被關注的問題.本文提出了一種基于圖卷積神經(jīng)網(wǎng)絡的鐵電相變模擬方法,利用圖卷積神經(jīng)網(wǎng)絡對鐵電材料的勢能面進行原子層面的建模,并將得到的神經(jīng)網(wǎng)絡勢函數(shù)作為計算器,以驅動大體系的分子動力學模擬.給定原子位置,訓練好的圖卷積神經(jīng)網(wǎng)絡能夠給出勢能的高精度預測,達到每原子1 meV級別,與從頭算(ab inito)精...