Machine Learning Potential-Driven Molecular Dynamics Simulations of Dehydrogenation in Pristine and Doped MgH
本研究利用机器学习势能驱动的分子动力学,揭示了氢气从 MgH2 中释放是通过一种新颖的亚表面机制进行的,并通过在氢释放效率与掺杂剂的 Miedema 电子密度之间建立定量的火山关系,确定了 Ni 为最佳掺杂剂。
3309 篇论文
凝聚态物理与材料科学的交汇点,正以前所未有的速度重塑我们对物质世界的理解。从超导体到新型电池材料,这一领域致力于探索微观粒子的排列如何决定宏观世界的性能。Gist.Science 在此板块特别关注源自 arXiv 的最新预印本,它们代表了该领域最前沿的突破。
为了打破专业壁垒,我们团队会对 arXiv 上的每一份新论文进行深度处理,提供通俗易懂的通俗解读与详尽的技术摘要。无论您是寻求灵感的工程师,还是希望快速掌握动态的研究者,都能在这里找到清晰的路径。以下是该领域最新发布的论文精选,带您直击科学探索的最前线。
本研究利用机器学习势能驱动的分子动力学,揭示了氢气从 MgH2 中释放是通过一种新颖的亚表面机制进行的,并通过在氢释放效率与掺杂剂的 Miedema 电子密度之间建立定量的火山关系,确定了 Ni 为最佳掺杂剂。
本研究表明,将源自离散位错动力学模拟的基于物理学的强化系数引入唯象晶体塑性模型,可以在不增加额外成本的情况下,显著提高其预测质量和参数化效率。
本文提出了一种紧凑的、与温度相关的氟化钙介电函数模型,该模型能够准确描述其在宽频率和温度范围内的光学特性,从而能够计算随温度变化的原子-表面相互作用,并揭示了该材料巨大的红外吸收峰是如何延迟完全退化的卡西米尔-波尔策极限(Casimir–Polder limit)的。
本研究调查了 MnBi2Te4/(Bi2Te3)n 晶体的反向垂直布里奇曼生长过程,阐明了不同的生长阶段和 MnTe 过饱和度如何支配七层结构的有序性,以及由此产生的反铁磁与铁磁性质之间的可调控转变。
本文提出了一种通过整合海森堡交换模型与内尔模型来开发立方反铁磁体磁性原子间势能的新颖方法,并成功将其应用于 NiO 以创建经过验证的势能,从而能够实现对耦合磁弹性现象的大规模分子动力学模拟。
本文提出了一种针对无限周期系统的高效、线性缩放的从头算多体量子嵌入与局部相关方法实现,该方法利用平移对称性自适应插值可分离密度拟合技术,能够为弱相关和强相关固体提供精确的热力学极限耦合簇基态能量估计。
本文推导了可变形铁磁体中相变前沿的通用热力学驱动力,并将切割有限元法应用于高效模拟诸如磁形状记忆合金等材料中相界面的磁-力耦合动力学,且无需修改网格。
本研究采用相场模拟揭示了全固态钠电池中的非对称枝晶剥离会在晶界处留下动力学稳定且孤立的金属钠,而这些金属钠在随后的循环过程中起到了加速枝晶传播的催化剂作用。
本文介绍了 exa-PD,这是一种高度可扩展的工作流,它将基于 LAMMPS 的分子动力学和蒙特卡洛模拟与 Parsl 引擎及 PyCalphad 建模相结合,通过大规模并行化高效地构建多元素相图。
本研究采用第一性原理 DFT 计算,证明了金属型 BX3 (X = P, As) 单层是极具前景的高性能钠离子电池负极材料,具有卓越的理论比容量(高达 3875 mAh g⁻¹)、极低的钠离子迁移能垒,以及在钠化过程中始终稳定的金属导电性。