ニューラルネットワーク分子動力学法を用いたCeO2の熱特性の解析

ニューラルネットワーク分子動力学法（NNMD）は、第一原理計算よりも高速なシミュレーションが可能で、既存の分子動力学計算よりも正確なシミュレーションが可能ですが、第一原理はNNMDで使用するための原子間ポテンシャルを生成するための第一原理です。課題は、計算に基づく教師データが大量に必要なことです。この場合、学習データを作成するクラウドシステムとCeOを使って、大量の第一原理計算を一度に同時に実行することで、潜在的な学習を短時間で行うことができます。 ₂ 従来の力場では再現が困難です。NNMDを用いて固液界面の挙動を解析する例を紹介します。

1。NNMD ポテンシャルのトレーニングデータの作成

図1は、CeOのトレーニングデータを作成するために使用される計算モデルを示しています。 _2。 また、表1に計算条件の詳細を示します。Deep MD-kit [1] は潜在的な機械学習に使用されました。

2。計算結果

① 比熱と熱膨張係数

_{CeO 2の比熱と熱膨張係数} 作成したポテンシャル関数と分子動力学コードLAMMPSを用いて計算しました。計算条件を表2に示します。比熱と熱膨張係数は、体積のエントロピーと温度微分を用いて評価しました。図2は、エントロピーの温度変化と比熱の計算結果です。図3は、体積温度変化と熱膨張係数の計算結果です。計算結果は実際の測定値 [2] とよく一致していることがわかります。

② 融点

‍

図2と図3の比熱と熱膨張係数の計算では、融点を正確に評価できなかったため、融点を固液共存モデルを用いて評価しました。表3と図4は、融点の計算条件と計算モデルを示しています。

図5は、エンタルピーと密度の温度依存性の計算結果です。CeO2の融点付近では2650K～2750Kでエンタルピーと密度が不連続になり、融点付近では固相と液相が共存していることが確認されました。

‍

融点付近の2650Kと2700KでのMDアニメーションが左側に表示されています。液相は2650Kで結晶化し、固相は2700Kで溶融していることが確認できます。

‍

3。参考文献

[1] ハン・ワン、リンフェン・チャン、ジエクン・ハン、ウェイナン・E.「DeepMD-Kit：多体ポテンシャルエネルギー表現と分子動力学のためのディープラーニングパッケージ。」コンピューター・フィジックス・コミュニケーションズ 228 (2018): 178-184

[2] N・ネルソン、D・リットマン、J・ホワイト他、「UO2およびPuO2と比較した化学量論的CeO2の熱物理学的特性の評価」、米国セラミック学会誌、97、3652-3659（2014）

オリジナルソース: https://ctc-mi-solution.com/ニューラルネットワーク分子動力学法を用いたceo2-2/

‍