RUS  ENG
Полная версия
ЖУРНАЛЫ // Журнал технической физики // Архив

ЖТФ, 2025, том 95, выпуск 3, страницы 449–457 (Mi jtf7512)

Специальный выпуск по материалам Международной конференции "Наноуглерод и Алмаз" (НиА'2024)
Теоретическая и математическая физика

Машинообученный потенциал Li–C для наноматериалов

С. А. Созыкин

Южно-Уральский государственный университет (национальный исследовательский университет), Челябинск, Россия

Аннотация: Рассмотрена разработка потенциалов межчастичного взаимодействия двух типов для атомистического моделирования комплексов углеродных наноматериалов с литием. Первый потенциал построен методом гауссовой аппроксимации, второй – в рамках подхода глубокого обучения. Эти потенциалы обучались на результатах моделирования методом функционала электронной плотности и обеспечивали точность, близкую к точности этого метода при существенно меньших требованиях к вычислительным ресурсам. Наборы данных содержали более 8000 структур приблизительно из 100 атомов. Конкретная структура с вероятностью 90% помещалась в обучающую выборку, в противном случае – в валидационную. Полученные потенциалы позволили точно воспроизвести энергии комплексов и силы, действующие на атомы. Время расчета линейно возрастает с количеством атомов в модели и может изменяться на несколько порядков в зависимости от типа потенциала и используемого аппаратного обеспечения. Потенциал, полученный методом глубокого обучения, кажется многообещающим для реалистичного и точного моделирования лития на поверхности углеродных нанотрубок и различных графеноподобных структур при температурах до 450 K.

Ключевые слова: молекулярная динамика, глубокое обучение, регрессия, литий, углеродные наноматериалы.

Поступила в редакцию: 02.10.2024
Исправленный вариант: 02.10.2024
Принята в печать: 02.10.2024

DOI: 10.61011/JTF.2025.03.59849.292-24



Реферативные базы данных:


© МИАН, 2026