ニューラルネットワーク（NN）を使用して原子間ポテンシャルを生成する方法を開発しました。第一原理分子動力学（AIMD）シミュレーションを実行してNNトレーニングデータを生成します
窒化チタン（TiN）は、その優れた耐摩耗性と耐腐食性により、さまざまな用途に使用されています。岩塩型の結晶構造を持つTi Nは広く研究されてきましたが、第一原理計算から非岩塩型相（例：Ti）の存在が報告されたのはごく最近のことです。 2 メートル)。 分子動力学（MD）シミュレーションは機械的特性を予測するための強力なツールですが、通常は原子間ポテンシャルが必要です。岩塩TiNの従来の多体原子間ポテンシャル (例えば、改質埋込み原子法 (MEAM) ポテンシャル) は、このような他の相には適用できません。
そこで、原子間ポテンシャルを生成するためのニューラルネットワーク（NN）ベースの方法を使用して、ニューラルネットワークポテンシャル（NNP）を作成しました。
TiNの機械的特性について、作成したNNPとMEAMポテンシャルを用いたMDシミュレーション (NNMD) を実験と比較したところ、NNMDの結果は実験値に近い結果になりました。NNMDでは、他の相 (Ti) の強度と脆性も明らかになった。2N) は高い。
「MDシミュレーションのためのニューラルネットワークポテンシャルの開発とそのTiNへの応用」
宮川徹、森和夫、加藤直樹、米津明夫、 コンピュート。マスター。サイコー 、206、(2022)、111303
オリジナルソース:https://ctc-mi-solution.com/ニューラルネットワークポテンシャルnnpを活用し/
