Ⅱ-Ⅵ族化合物中原子间两体及三体相互作用势的理论研究

采用基于密度泛函理论和Hartree-Fork的第一性原理方法,计算了CdS、CdSe、CdTe、HgTe等Ⅱ-Ⅵ族化合物中原子间的两体及三体相互作用势,分析了基组及计算方法的选择对计算结果的影响。采用Lennard-Jones、Born-Mayer和Morse势函数对两体相互作用势进行拟合,得到相应的拟合参数及误差值,结果表明普遍应用于共价分子的Morse势也同样适用于Ⅱ-Ⅵ族原子二聚体。考虑到多体相互作用势必须考虑角度因素,采用Stilling-Weber势函数对三体势进行了拟合研究,结果亦较为理想。

应用多中心分区方法构建H_3分子反应势能面

势能面在分子反应动力学的研究中起着非常重要的作用.本文提出了一种新的势能面构建方法——多中心分区法.通过比较London-Eyring-Polanyi-Sato(LEPS)势能、多体展开势能、置换对称不变多项式三种方法,确定了H3分子的最佳势能函数表达形式,并应用准经典轨线方法分析了势能面的合理性,结果表明置换对称不变多项式能很好地描述H3分子的势能面特征.结合置换对称不变多项式和本文提出的多中心分区方法,可以有效改善H3分子势能面的精度并可能推广到高维反应势能面.

基于PyTorch的晶体结构势预测

近年来,材料数据进入了爆发式增长阶段,而实验和模拟方法来处理和分析材料数据工程量巨大并且十分耗时,如何用新方法从大量的数据中发现知识是未来材料研发的主要探索方向。新世纪以来,出现了将机器学习方法应用于材料科学领域研究的新课题。高效准确地得到结构能量是许多材料研究工作的基础,我们主要关注将机器学习方法与结构能量计算相结合这一方向。本文调研了目前已有的基于机器学习的结构势能拟合开源软件,分析它们的特点与优劣,并针对实际需求通过深度学习框架PyTorch对软件进行优化,增强机器学习模型的拟合能力。PyTorch可以利用GPU资源对数据进行快速学习,灵活地利用多种优化算法对不同体系的结构搭建合适的模型,并将模型保存以供后续研究。我们在人工智能计算及数据应用服务平台上对软件进行测试与优化,解决了一些在测试中发现的问题,对不同的体系结构的结构势能拟合效果进行了分析,提升软件对不同体系的结构势能拟合能力。