| 机器学习在矿物结构搜索及性质预测方面的应用 |
| |
| 引用本文： | 张瑜,宋建,吴忠庆.机器学习在矿物结构搜索及性质预测方面的应用[J].矿物岩石地球化学通报,2023(1):43-60+6. |
| |
| 作者姓名： | 张瑜 宋建 吴忠庆 |
| |
| 作者单位： | 1. 中国科学技术大学地球和空间科学学院地震与地球内部物理实验室;2. 中国科学院比较行星学卓越创新中心;3. 安徽蒙城地球物理国家野外科学观测研究站 |
| |
| 摘 要： | 研究矿物在高温高压下的结构及其物理、化学性质是了解地球内部物质组成及动力学演化的基础。实验观测和理论计算是目前最主要的两种方法，前者受技术的局限，高温高压下的数据点比较匮乏；后者容易实现高温高压，但计算精度和效率往往难以两全。基于上述问题，机器学习作为一种很有前景的工具，与第一性原理计算相结合，能够精确、高效地预测矿物结构及各种性质。本文首先介绍了构建机器学习势的一般流程，对目前应用广泛的深度势能方法进行详细阐述。然后探讨了机器学习方法在计算矿物物理领域中的应用，如矿物新相结构搜索、热力学性质和输运性质预测、元素配分及同位素分馏等，并分析了机器学习方法相比于传统方法的优势。最后对机器学习方法目前存在的不足进行了简单总结并对其应用前景提出展望。
|
| 关 键 词： | 机器学习 第一性原理计算 高温高压 计算矿物物理 |
|
|
