XiaoMi-AI文件搜索系统
World File Search System原子间
机器学习异质催化的原子间潜力
尽管现代催化行业的发展很快，但催化剂设计仍主要基于反复试验的实验手段。结果，催化剂开发和商业化的时间表可能需要10到20年。[1]理解催化中所述的微观机制被认为是催化行业的重要方面，即缩短开发新的异质催化剂的时间范围，其中在催化过程中涉及多个阶段。为促进催化剂，原子建模的结构 - 特性关系的理解，例如，基于力场的依赖计算和经典分子动力学（MD）模拟，已广泛用于探索催化机制和新型异构催化剂的催化机制和设计。在许多情况下，催化过程的原子建模取决于构成催化系统的多体系统的大量能量和力评估。需要考虑明确溶剂的效果，或者需要对纳米颗粒催化剂的尺寸依赖性特性进行建模时，问题就会变得更加复杂，这可以使基于密度功能理论（DFT）基于模拟的模拟可行。[2]因此，我们看到了MLIP在催化研究中的相对较高的应用，例如用于研究催化剂的吸附性能，结构预测和动力学。[3–5]
epoiriant原子中心的原子间电位
分子动力学仿真是计算材料科学和化学的重要工具，在过去的十年中，它通过机器学习进行了革命。在过去的几年中，机器学习跨性别潜力的快速进步已经产生了许多新的体系结构。在其中特别值得注意的是原子聚类的扩展，它统一了围绕原子密度的描述符的许多早期思想和神经模式间影响（NEQuip），这是一个具有信息的神经网络，具有等效性特征，当时表现出了最先进的精度。在这里，我们构建了一个统一这些模型的数学框架：原子聚类的扩展是扩展的，并作为多层体系结构的一层重新铸造，而Nequip的线性化版本则被理解为对更大的多项式模型的特定稀疏。我们的框架还提供了一种实用的工具，用于系统地在此统一的设计空间中探索不同的选择。通过一系列实验进行了一组Nequip的消融研究，该实验远离域内和外部的精度和平滑的外推离训练数据很遥远，阐明了一些设计选择对于实现高精度至关重要。NEQuip的简化版本，我们称为Botnet（用于身体订购的张量网络），具有可解释的体系结构，并在基准数据集上保持其准确性。
对两个机器学习的原子间潜力的比较
重金属纳米颗粒（NP）将许多发展和兴趣视为放射疗法的放射增感器。使用辐射溶解在巴黎萨克莱的ISMO开发了一种新的Bimetallic BI：涂有基于PEG的配体的PT NP。但是合成方法对NP的组织和表面有什么影响？双金属纳米颗粒的理论研究一直在落后于金属纳米颗粒（例如金和银纳米颗粒）所见的理论研究。这是由于多组分系统的复杂性，这些系统使适当的表征比同质系统更加困难。
以金属纳米结构为重点的强太赫兹场在监测隐藏的原子间气体与物质相互作用方面的进展
随着纳米技术的进步，创新的光子设计与功能材料相结合，提供了一种获取、共享和有效响应信息的独特方式。研究发现，在太赫兹 (THz) 超表面芯片上简单沉积 30 纳米厚的钯纳米薄膜，该芯片具有 14 纳米宽的非对称材料和几何结构的有效纳米间隙，可以跟踪原子间和界面气体-物质相互作用，包括气体吸附、氢化（或脱氢）、金属相变和独特的水形成反应。通过模拟和实验测量进行的组合分析证明了独特的纳米结构，从而以实时、高度可重复和可靠的方式导致显著的光物质相互作用和相应的 THz 吸收。还使用模拟正常温度和压力的系统控制三元气体混合装置彻底检查了受氢气暴露影响的金属的复杂晶格动力学和固有特性。此外，利用新的自由度来分析各种物理现象，从而引入了能够追踪导致水增长的未知水形成反应隐藏阶段的分析方法。单次曝光波谱强调了所提出的 THz 纳米级探针的稳健性，弥合了基础实验室研究与工业之间的差距。
3d过渡金属原子间的异常电子结构
本报告是由美国政府某个机构资助的工作报告。美国政府或其任何机构、其雇员、承包商、分包商或其雇员均不对所披露信息、设备、产品或流程的准确性、完整性或任何第三方的使用或此类使用结果做任何明示或暗示的保证，或承担任何法律责任或义务，或表示其使用不会侵犯私有权利。本文以商品名、商标、制造商或其他方式提及任何特定商业产品、流程或服务，并不一定构成或暗示美国政府或其任何机构、其承包商或分包商对其的认可、推荐或支持。本文表达的作者的观点和意见不一定代表或反映美国政府或其任何机构的观点和意见。