npj Computational Materials：激光驱动原子能源学的全尺度第一性道理模拟 – 质料牛

一、光驱【导读】

激光驱动历程是动原度第一种罕用的措施，可能将质料推入极其非失调形态，源拟质从而钻研质料在这种形态下的学的性道照应。这种措施在质料迷信规模有着普遍的全尺运用，好比在质料加工、理模料牛能源转换、光驱光电子学等规模。动原度第可是源拟质，激光驱动历程的学的性道重大性以及高度非失调形态使患上对于其妨碍实际模拟变患上颇为难题。当初的全尺模拟措施难以捉拿激光诱惑历程的非热性子以及固有尺度，导致了对于质料照应的理模料牛争执以及先验假如。 为了处置这些下场，光驱近些年来泛起了一些新的动原度第模拟措施，好比基于第一性道理的源拟质份子能源学模拟、混合原子-不断体措施等。这些措施可能更精确地形貌质料在极其条件下的照应，可是它们的合计老本颇为高，难以运用于大规模的模拟。 为了克制这些难题，深度学习技术被引入到质料迷信规模中。深度学习技术可能经由学习大批的数据，构建出高效的模子，从而实现对于质料照应的精确预料。近些年来，深度学习技术已经在质料迷信规模中患上到了普遍的运用，好比在质料发现、质料妄想、质料功用意料等方面。

二、【下场掠影】

克日，国防科技大学戴佳钰教授团队将深度学习模子与混合原子-不断体措施相散漫，实现为了对于激光驱动质料照应的周全且精确的原子能源学模拟，从而架起了试验以及模拟之间的桥梁。相关的钻研下场以“Full-scale ab initio simulations of laser-driven atomistic dynamics”为题宣告在npj Computational Materials上。

三、【中间立异点】

经由构建电子温度依赖的深度神经收集势能概况，将激发态引入第一性道理模拟中，实现为了对于全部激光驱动宏不雅能源学历程的直接模拟，并经由大规模的第一性道理模拟，揭示了热电子引入的非热效应在调制晶格能源学、热力学道路以及妄想转变中发挥了主导熏染。

四、【数据概览】

图1  高效、精确地模拟激光驱动的原子能源学的使命流程展现图。  ©2023 Springer Nature

图2 验证ETD-DP模子的精确性。  ©2023 Springer Nature

图3  运用 TTM-DPMD 措施捉拿非热效应。  ©2023 Springer Nature

图4 热电子修正热力学道路。  ©2023 Springer Nature

五、【下场开辟】

本文中，作者介绍了一种新的措施，将深度学习模子与混合原子-不断体措施相散漫，实现为了对于激光驱动质料照应的周全且精确的原子能源学模拟，同时，实现为了对于非绝热能量交流以及原子能源学的操作，从而使患上模拟服从愈加着实可信。经由构建电子温度依赖的深度神经收集势能概况，将激发态引入第一性道理模拟中，实现为了对于全部激光驱动宏不雅能源学历程的直接模拟，从而后退了模拟的精确性以及坚贞性。此外，经由大规模的第一性道理模拟，揭示了热电子引入的非热效应在调制晶格能源学、热力学道路以及妄想转变中发挥了主导熏染，从而深入清晰了激光驱动历程中的非失调能源学行动。这篇文章的钻研下场为更深入地钻研质料在极其条件下的照应提供了新的思绪以及措施

文献链接：

https://www.nature.com/articles/s41524-023-01168-4

本文由WYH供稿

本文地址：http://n.3x5h33e.cn/html/54b092568.html