Title第一性原理分子动力学中电子结构的神经网络表达(英文)
Other TitlesNeural network representation of electronic structure from ab initio molecular dynamics
Authors顾强强
张林峰
冯济
AffiliationInternational Center for Quantum Materials, School of Physics, Peking University
Department of Mathematics and Program in Applied and Computational Mathematics, Princeton University
Collaborative Innovation Center of Quantum Matter
KeywordsNeural network
Tight-binding model
Electronic structure
ab initio molecular dynamics
Issue Date5-Jan-2022
PublisherScience Bulletin
Abstract第一性原理分子动力学模拟过程中产生海量包含丰富电子结构信息的数据,未被充分利用.本文提出一种通过预测晶体材料紧束缚模型的形式,高效、准确地表达第一性原理电子结构的神经网络方法TBworks. TBworks可以结合机器学习分子动力学方法,快速实现复杂体系的分子动力学模拟和电子结构采样,计算电子关联函数以及相应的物理性质.以一维电荷密度波材料碳炔链为应用示例,本文基于TBworks研究了正则系综下的电子谱函数和光电导率,以及孤子–反孤子对湮灭的动力学过程中电子的非绝热演化,发现由于超越波恩–奥本海默近似的动力学效应对电子谱函数的低能模式的修正.该方法为研究动力学体系提供了准确、高效、可重复使用的第一性原理电子结构的代理模型,极大地提高了电子结构的计算效率和模拟尺度,使得对一些由于计算瓶颈无法或者难以进行的新奇性质和现象的研究成为可能.
第一性原理分子动力学模拟过程中产生海量包含丰富电子结构信息的数据,未被充分利用.本文提出一种通过预测晶体材料紧束缚模型的形式,高效、准确地表达第一性原理电子结构的神经网络方法TBworks. TBworks可以结合机器学习分子动力学方法,快速实现复杂体系的分子动力学模拟和电子结构采样,计算电子关联函数以及相应的物理性质.以一维电荷密度波材料碳炔链为应用示例,本文基于TBworks研究了正则系综下的电子谱函数和光电导率,以及孤子–反孤子对湮灭的动力学过程中电子的非绝热演化,发现由于超越波恩–奥本海默近似的动力学效应对电子谱函数的低能模式的修正.该方法为研究动力学体系提供了准确、高效、可重复使用的第一性原理电子结构的代理模型,极大地提高了电子结构的计算效率和模拟尺度,使得对一些由于计算瓶颈无法或者难以进行的新奇性质和现象的研究成为可能.
URIhttp://hdl.handle.net/20.500.11897/632359
ISSN2095-9273
DOI10.1016/j.scib.2021.09.010
IndexedSCI(E)
中国科学引文数据库(CSCD)
Appears in Collections:物理学院

Files in This Work
There are no files associated with this item.

Web of Science®



Checked on Last Week

Scopus®



Checked on Current Time

百度学术™



Checked on Current Time

Google Scholar™





License: See PKU IR operational policies.