使用机器学习高斯近似势场模拟多壳层富勒烯
摘要：多壳富勒烯“buckyonions”是通过使用在高斯近似势(ML-GAP)框架内的密度泛函理论(DFT)训练的机器学习碳势来模拟的，模拟从最初的随机配置开始[Volker L. Deringer和Gabor Csanyi，《Phys. Rev. B 95, 094203 (2017)》]。得到了一系列大小从60 ~ 3774个原子的这样的富勒烯。buckyonions是通过从最外层壳层进行聚类和层层分层形成的。壳层之间的粘结力部分是由于π电子在通道中的相互作用。通过使用密度泛函代码VASP和SIESTA事后验证了模型的能量，结果显示在使用两种方法达到共轭梯度能量收敛后，能量差在0.02-0.08eV/原子的范围内。
作者：C. Ugwumadu, K. Nepal, R. Thapa, Y. G. Lee, Y. Al Majali, J. Trembly, D. A. Drabold
论文ID：2208.06462
分类：Disordered Systems and Neural Networks
分类简称：cond-mat.dis-nn
提交时间：2022-12-15