铜迁移屏障的数据集和训练过的神经网络
摘要：针对运动的扩散现象，动力学蒙特卡洛（KMC）是一种高效的研究方法。提高KMC准确性的一个限制因素是模拟中允许的迁移事件数量。每个事件需要有自己的迁移能垒进行计算，这可能成本过高。本文给出了一个关于Cu表面最近邻跳跃的迁移能垒数据集，通过使用漂移弹性带（NEB）方法和系束力方法进行计算。我们使用这些数据训练了人工神经网络（ANN），以预测任意最近邻Cu跳跃的迁移能垒。训练好的ANN也包含在本文中。这些数据存储在CSC IDA存储服务上。
作者：Jyri Kimari, Ville Jansson, Simon Vigonski, Ekaterina Baibuz, Roberto Domingos, Vahur Zadin, Flyura Djurabekova
论文ID：1806.03062
分类：Computational Physics
分类简称：physics.comp-ph
提交时间：2022-09-30