2024澳门特马今晚开奖113期,污软件下载,长嫂为妻npc盛夏最新章节

納米粒子（NP）熱穩定性的模擬和分析是其在技術設備中應用的基礎，需要快速準確的力場以及有效的表征方法。然而，必須克服兩個長期存在的挑戰來改進對納米顆粒熱穩定性的數值預測，第一個涉及定義相變機制的無偏差特征的困難，第二個挑戰與準確和快速的粒子間電位的發展有關。

圖1. 六類局部原子環境的特征

在此，意大利國際高等研究院Claudio Zeni等人基于從DFT計算收集的數據為金納米粒子開發了高效、可轉移和可解釋的機器學習力場（ML-FF）。作者表征了尺寸為1-6 nm的金（Au）NPs的熔化機制，使用分子動力學預測的熔化溫度與實驗數據非常吻合。

這些模擬在映射的高斯過程框架下使用ML-FF，實現了對傳統原子建模方法中在精度和成本之間權衡的超越，展示了可以使用小型訓練數據集來訓練準確、高效和大小可轉移的FF。

圖2. 不同尺寸Au NPs的熔化溫度

為了闡明熔化機制，作者隨后開發了一種通用的無監督聚類方法來區分內層和表面層，并在原子水平上表征相變。所提出的聚類算法證明熔化轉變始于外層，然后擴散到內部區域。在其核心熔化之前，NP 外部區域局部液體環境的增加與文獻中的表面熔化情況相似。

預測的趨勢與實驗觀察非常一致，熔化從最外層開始，溫度比NP熔化低幾百K。作者驗證了這種熔化機制的發生與用于模擬原子間相互作用的FF無關，但不同的FF可以預測不同的表面和NP熔化溫度。作者期望這種開發的數據驅動的模擬和表征方法將刺激和有益于其他旨在解決納米級相變復雜性的研究。

圖3. Au 6266 NP中液體環境的分布

Data-driven simulation and characterisation of gold nanoparticle melting, Nature Communications 2021. DOI: 10.1038/s41467-021-26199-7

原創文章，作者：科研小搬磚，如若轉載，請注明來源華算科技，注明出處：http://m.zzhhcy.com/index.php/2023/10/15/98c40616a2/

末成年小嫩xb,嫰bbb槡bbbb槡bbbb,免费无人区码卡密,成全高清mv电影免费观看