深度势能方法在材料科学中的应用

第一性原理计算准确但成本高昂,而建立在传统原子间势函数(力场)基础上的分子动力学模拟速率快但精度低。为了兼顾速率与准确性,机器学习(ML)势函数应运而生并得到广泛应用。深度势能(DP)为ML势的一种,近年来备受关注。本文概述了DP方法在材料科学中的应用。首先介绍了DP的理论基础,随后详细阐述了DP模型的构建和使用,并简要回顾了DP方法在多种材料体系中的应用情况。AIS-Square为DP模型的开发提供了训练数据库及工作流。之后,对比了DP模型与第一性原理计算方法及传统势函数在精度和效率上的表现。最后,对DP方法的发展前景进行了展望。