钨中一级辐射损伤的大规模机器学习分子动力学模拟
摘要：用于模拟碰撞串级和辐射损伤的机器学习基于原子相互作用势已经显示出足够高的准确性，但是现有的大部分势函数在模拟具有足够大的空间和时间尺度的高能碰撞串级时仍然不够高效。为此，我们将高效的神经进化势 (NEP) 框架与Ziegler-Biersack-Littmark (ZBL) 屏蔽核斥势相结合，得到了一个NEP-ZBL框架。我们为钨训练了一个NEP-ZBL模型，并在弹性性质、熔点和与辐射损伤相关的各种缺陷的能量学方面展示了其准确性。然后，我们使用NEP-ZBL模型进行了大规模分子动力学模拟，达到了810万个原子和240 ps的时间尺度（使用一个40 GB的A100 GPU），研究了薄膜和块状钨的初级辐射损伤的差异。虽然我们对块状钨的发现与采用嵌入原子模型 (EAM) 模拟的现有结果一致，但在薄膜中，辐射损伤显著不同，并表明由于自由表面的存在，产生了更大且更多的空位团簇以及更少且更小的间隙团簇。
作者：Jiahui Liu, Jesper Byggmastar, Zheyong Fan, Ping Qian, and Yanjing Su
论文ID：2305.08140
分类：Computational Physics
分类简称：physics.comp-ph
提交时间：2023-08-15