Geant4 modeling of the bremsstrahlung converter optimal thickness for studying the radiation damage processes in organic dyes solutions
这项工作致力于对钨转换器的参数进行计算机建模，以研究电离辐射与有机染料溶液相互作用期间的辐射损伤过程。进行模拟，以确定在预定的实验条件下的转化器的最佳厚度。实验条件包括：初级粒子的能量和类型、辐射强度、目标尺寸、辐射源和目标的相对位置。计划利用线性电子对有机染料溶液中发生的辐射损伤过程进行实验研究。钨转换器用于产生韧致辐射伽马射线通量。一个建模问题是确定转换器厚度，在该厚度下，韧致辐射γ的通量在靶前将是最大的。同时，靶前的电子和正电子流应该尽可能低。工作的另一个重要任务是确定通过Geant 4建模方法确定靶材料中的辐射损伤的相对量的可能性。计算实验进行了各种值的转换器的厚度-从0毫米（转换器是缺席）到8毫米的步骤为1毫米。开发的程序在多线程模式下运行。计算中使用了PhysicsList的G4EmStandardPhysics_option3模型。对获得的数据进行了详细分析。作为数据分析的结果，获得了钨转换器厚度的最佳值。
2021-12-14 physics.comp-ph
Data-driven Material Models for Atomistic Simulation
在经典的分子动力学模拟中，中心近似是用来计算原子间作用力的原子间势。使用传统方法构造可行的函数形式并找到精确的参数化势需要付出巨大的努力和独创性。机器学习已经成为一种有效的替代方法来开发准确和强大的原子间相互作用势。从一个非常一般的模型形式开始，势直接从电子结构计算的数据库中学习，因此可以被视为量子和经典原子模拟之间的多尺度联系。在可以直接比较这两种方法的狭窄的时间和长度范围之外，存在外推不准确的风险。在这项工作中，我们使用了频谱邻居分析潜力（SNAP），并展示了如何以最小的插值误差产生拟合，这在训练之外的外推中也是鲁棒的。为了证明该方法，我们已经开发了一个新的钨铍电位适用于所有范围的二元组合物。随后，对高能Be原子注入到固体钨（001）表面的过程进行了大尺度分子动力学模拟。新机器学习的W-Be势产生了与缺陷形成能量的量子计算一致的注入结构群。预测了一个非常浅（<2nm）的平均Be注入深度，这可以解释在铍的存在下，ITER分流器退化。
2019-03-18 cond-mat.mtrl-sci physics.comp-ph
In operando active learning of interatomic interaction during large-scale simulations
最先进的机器学习原子间势的一个众所周知的缺点是它们在训练域之外外推的能力很差。对于具有数十到数百个原子的小规模问题，这可以通过使用主动学习来解决，主动学习能够选择潜在尝试外推的原子配置，并将其添加到从头计算的训练集。在这个意义上，主动学习算法可以被视为从头算模型的动态插值。对于可能涉及数万个原子的大规模问题，这是不可行的，因为对于如此大量的原子，人们甚至负担不起单个密度泛函理论计算。这项工作标志着一个新的里程碑，走向全自动从头算准确的大规模原子模拟。我们开发了一种主动学习算法，识别潜在外推的模拟区域的局部子区域。然后，该算法构造周期性的配置，这些本地的，非周期性的子区域，足够小，可计算的平面波密度泛函理论代码，以获得准确的从头算能量。我们基准我们的算法上的问题的螺旋位错运动体心立方钨，并表明，我们的算法达到从头算的准确性，在DFT代码的数值噪声的典型幅度。我们表明，我们的算法再现材料的性能，如核心结构，Peierls障碍，Peierls应力。这为计算材料科学的应用释放了新的能力，如果仅仅采用从头算方法，这些应用目前已经超出了范围。
2020-09-21 cond-mat.mtrl-sci physics.comp-ph
Machine-Learned Interatomic Potentials for Structural and Defect Properties of YBa$_2$Cu$_3$O$_{7-δ}$
Politecnico di Torino（都灵理工大学）；Istituto Nazionale di Fisica Nucleare, Sezione di Torino（意大利国家核物理研究所都灵分部）；Lancaster University（兰卡斯特大学）；University of Helsinki（赫尔辛基大学）；Eni S.p.A.（埃尼集团）；United Kingdom Atomic Energy Authority（英国原子能管理局）
本研究开发了四种机器学习原子势能模型，用于精确模拟YBa$_2$Cu$_3$O$_{7-δ}$的结构和缺陷性质，以提高辐射损伤过程的模拟效率和准确性。
2026-02-09 cond-mat.supr-con physics.comp-ph
Modeling refractory high-entropy alloys with efficient machine-learned interatomic potentials: defects and segregation
我们为Mo-Nb-Ta-V-W五元系开发了一个快速准确的机器学习原子间相互作用势，并利用它来研究体心立方耐火高熵合金MoNbTaVW中的偏析和缺陷。在块体合金中，我们观察到明确的秩序，主要是Mo-Ta和V-W二元在低温下。在受损的晶体中，我们的模拟揭示了合金中最小的原子钒的明显偏析，以压缩富金属区域，如辐射诱导的位错环。钒也占主导地位的人口的单一自间隙原子。相反，由于其较大的尺寸和低表面能，铌偏析到宽敞的区域，如空隙的内表面。当退火过饱和浓度的缺陷的样品，我们发现，在完全相反的W，间隙原子在MoNbTaVW簇，以创建只有小（$\sim 1$ nm）实验上看不见的位错环富集钒。通过与W的比较，我们解释了这一点的减少，但三维迁移的mantitials，位错环的不动性，和增加的流动性的空位在高熵合金，一起促进缺陷重组集群。
2021-09-06 cond-mat.mtrl-sci physics.comp-ph
Machine Learned Interatomic Potential for Dispersion Strengthened Plasma Facing Components
钨（W）是偏滤器材料的选择材料，这是由于其高熔化温度、热导率和溅射阈值。然而，W具有非常高的脆韧转变温度，并且在聚变反应堆温度（$\geq$ 1000 K）下可经历再结晶和晶粒生长。碳化锆（ZrC）弥散强化W可以改善塑性并限制晶粒长大，但弥散体对高温下组织演变和热机械性能的影响尚不清楚。我们提出了一个机器学习的光谱邻居分析潜力（SNAP）的W-ZrC，现在可以用来研究这些材料。为了构建一个潜在的适合于大规模的原子模拟在聚变反应堆的温度，它是必要的训练从头计算数据产生的一组不同的结构，化学环境和温度。进一步的精度和稳定性测试的潜力，实现了使用目标函数的材料性能和高温稳定性。晶格参数，表面能，体积模量，和热膨胀的验证确认优化的潜力。对W/ZrC双晶的拉伸试验表明，W（110）-ZrC（111）C端双晶在室温下具有最高的抗拉强度，但强度随温度的升高而降低。在2500 K时，终止层C扩散到W中，导致W-Zr界面变弱。同时，W（110）-ZrC（111）Zr封端的双晶在2500 K具有最高的抗拉强度。
2022-12-02 cond-mat.mtrl-sci physics.comp-ph
Nine-element machine-learned interatomic potentials for multiphase refractory alloys
University of Helsinki（赫尔辛基大学）；Bohai University（渤海大学）；Aalto University（阿尔托大学）；Loughborough University（拉夫堡大学）
本文提出两种高效机器学习势和耐火合金数据库，用于模拟多相耐火合金的多种相变和物理性质。
2026-03-04 cond-mat.mtrl-sci physics.comp-ph
Universal machine learning interatomic potentials poised to supplant DFT in modeling general defects in metals and random alloys
本研究验证了预训练通用机器学习原子间势可替代DFT精准建模金属与合金的各类缺陷，EquiformerV2精度超越专用势，同时指出架构与跨元素大数据集的重要性，为材料研发提供高效工具。
2025-06-09 cond-mat.mtrl-sci physics.comp-ph
Efficient atomistic simulations of radiation damage in W and W-Mo using machine-learning potentials
本文验证了表格化GAP（tabGAP）机器学习势在模拟W和W-Mo合金初级辐射损伤中的效率与准确性，发现其比GAP快两个数量级且结果相当，并揭示了W-Mo合金具有更高效的缺陷重组行为。
2023-06-01 cond-mat.mtrl-sci physics.comp-ph
Modeling and experimental research of the processes of radiation damage formation in the interaction of gamma quanta flows and relativistic electron beams with solution of organic dyes
研究了亚甲基蓝（MB）有机染料（$C_{16}H_{18}N_{3}SCl$）水溶液与γ量子和电子的相互作用过程。建立了一个模型，计算了能量为15 MeV的电子通过厚度为1.5 μ m的钨层的过程。8mm的模拟。在仿真结果的基础上进行了大量的实验。对计算和实验数据的分析表明，一个入射电子破坏的染料分子是一个入射伽马量子的4倍。
2021-12-21 physics.comp-ph physics.ins-det
Temperature effects on the point defects formation in [111] W by neutron induced collision cascade
钨在ITER中被用作面向等离子体的壁，在那里它受到极端的操作条件。在这项工作中，我们研究了在300-900 K温度范围内中子轰击[111]晶体W的损伤形成，这对于设计下一代聚变反应堆是重要的。分子动力学（MD）模拟在高斯近似势（GAP）框架内在1 keV的初级撞击原子（PKA）能量下进行。诱导损伤的分析是由缺陷的指纹和可视化分析仪（FaVAD），这是基于一个旋转不变映射的本地原子邻域允许提取，识别和可视化的原子缺陷的形成过程中和之后的碰撞级联动态。该评估允许对各种缺陷类型进行分类，并将缺陷演变量化为时间和初始样品温度的函数。我们发现，由于热激活机制，弗伦克尔对的生产作为温度的函数增加。
2023-02-17 cond-mat.mtrl-sci physics.comp-ph
Gaussian approximation potentials for body-centered-cubic transition metals
我们使用高斯近似势框架开发了一组元素V，Nb，Mo，Ta和W的机器学习原子间势。该电位对弹性、热、液体、缺陷和表面性质显示出良好的精度和可转移性。所有的潜力都增加了准确的排斥势，使它们适用于辐射损伤模拟涉及高能碰撞。我们详细研究了熔化和液体性质，并使用电位为所有五种元素提供高达400 GPa的熔化曲线。
2020-10-06 cond-mat.mtrl-sci physics.comp-ph
Defects and Impurity Properties of VN precipitates in ARAFM Steels: Modelling using a Universal Machine Learning Potential and Experimental Validation
Imperial College London（伦敦帝国理工学院）；University of Oxford（牛津大学）
本研究通过机器学习势和实验验证，探讨了VN沉淀在高辐照下的缺陷行为及溶解机制，揭示了空位有序对辐照损伤的抑制作用及溶质对溶解速率的影响。
2026-01-23 cond-mat.mtrl-sci physics.app-ph physics.comp-ph
Molecular dynamics study on planar clustering of xenon in UO2
通过与从头算结果的比较，研究了二氧化铀原子间相互作用势对模拟萤石相以外结构稳定性的适用性。为了获得辐照损伤下UO2大尺度形变模型的初步可信度，本文引入了高压共隧道石相和松散堆积的虚晶。用分子动力学模拟研究了二氧化铀燃料中氘原子的行为。除了基态气泡的几何形状，我们发现，一个平面分布也（Meta）稳定的热力学扰动下的氙。在典型的反应器温度为1000 K时，具有平面构型的双金属原子处于液态，其在与固体UO2的界面附近呈现调制层结构。这些Xe原子释放出来后，仍然存在平面缺陷环。
2007-03-26 cond-mat.mtrl-sci physics.comp-ph
Utilizing a machine-learned potential to explore enhanced radiation tolerance in the MoNbTaVW high-entropy alloy
本研究构建了 MoNbTaVW 高熵合金的机器学习原子间势，通过分子动力学模拟发现其相较于纯 W 具有更少且更小的间隙原子团簇，展现出更优异的耐辐照性能，并提出了子级联分裂机制及扩展损伤模型。
2025-07-16 cond-mat.mtrl-sci physics.comp-ph
Computational study of crystal defects formation in Mo by machine learned molecular dynamics simulations
在这项工作中，我们研究了在室温下，由于在0.5-10 keV的初级撞击原子范围内的中子轰击在结晶钼材料样品中的损伤。我们执行机器学习分子动力学（MD）模拟与以前开发的原子间的潜力的基础上高斯近似势（GAP）的框架。我们利用最近开发的软件工作流程指纹和可视化损伤晶体结构中的缺陷来分析损坏的钼样品通过计算点缺陷的形成过程中和之后的碰撞级联。作为一个基准，我们报告的结果弗伦克尔对（一个自填隙原子和一个单一的空缺）的总数形成和原子位移作为PKA能量的函数。通过使用嵌入式原子方法（EAM）的潜力得到的结果进行比较，讨论机器学习MD模拟的优点和局限性。Frenkel对的形成遵循与PKA能量相关的次线性标度律，其中$E^{0.54}_\mathrm{PKA}$用于GAP MD结果，而$E^{0.667}_\mathrm{PKA}$用于EAM模拟。虽然这两种方法的平均总缺陷数是相似的，我们注意到，MD势模型不同的原子几何形状的复杂的点缺陷，其中crowdions的形成是更有利的GAP潜力。最后，离子束混合结果的GAP MD模拟报告和讨论。
2020-10-05 cond-mat.mtrl-sci physics.app-ph physics.comp-ph
Automated atomistic simulations of dissociated dislocations with ab initio accuracy
本文扩展了一种全自动训练机器学习原子间势的算法，用于模拟面心立方铝中具有任意特征角的解离位错，结果与DFT高度一致，并可构建弯曲位错大规模模拟的训练集。
2024-03-27 cond-mat.mtrl-sci physics.comp-ph
On the classification and quantification of crystal defects after energetic bombardment by machine learned molecular dynamics simulations
由于等离子体与环境的直接相互作用，需要对面向等离子体材料（PFM）的损伤进行分析，以构建下一代核机器，其中钨已被提议作为候选材料。在这项工作中，我们使用机器学习的原子间势进行分子动力学（MD）模拟，基于高斯近似势框架，在原始W晶格中模拟更好的中子轰击机制。MD潜力的训练，以再现现实的短程动力学，液相，和材料的重结晶，这是重要的碰撞级联。点缺陷的形成是量化和分类的描述符矢量（DV）为基础的方法，这是独立的样品温度及其成分，只需要适度的计算资源。空位的位置由k-d-tree算法计算。在W样品中的损伤的分析相比，由EAM Finnis-Sinclair和Tersoff-ZBL电位得到的结果，在样品温度为300 K和初级撞击原子（PKA）的能量范围为0.5-10千电子伏，其中一个很好的协议与报告的数量的Frenkel对观察。我们的研究结果提供了关于机器学习MD模拟相对于标准模拟的优点和局限性的信息。哑铃和crowdion缺陷的形成作为PKA的函数进行了讨论。
2019-10-26 cond-mat.mtrl-sci physics.app-ph physics.comp-ph
Advances in modeling complex materials: The rise of neuroevolution potentials
本文综述神经演化势NEP在GPUMD中的方法、精度与效率优势，并展示其在多种复杂材料MD模拟中的应用。
2025-01-19 cond-mat.mtrl-sci physics.comp-ph
