首页|基于深度卷积神经网络的α-Fe晶界能预测

基于深度卷积神经网络的α-Fe晶界能预测

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
本文提出了一种预测晶界能以研究α-Fe晶界性质的深度学习方法.在分子动力学生成的α-Fe对称倾斜晶界的基础上,通过中心对称参数和原予密度信息构造出晶界特征—积累中心对称参数,提出了数据增强和按倾斜角分层抽样的方法,建立了预测晶界能的卷积神经网络模型.测试集结果表明,预测晶界能的平均相对误差小于1.75％,平均每个晶界的预测用时在0.002 s以内.该方法在一定范围内具有较高的准确性和鲁棒性,提供了研究晶界的微观结构特征与宏观性能之间关联的途径.
Prediction of grain boundary energy of α-Fe based on deep convolutional neural network

陈村、李六六、彭蕾、时靖谊

展开 >

中国科学技术大学核探测与核电子学国家重点实验室,合肥230026

中国科学技术大学核科学技术学院,合肥230027

晶界 卷积神经网络 中心对称参数 晶界能

国家自然科学基金

11805131

2022

10.19855/j.1000-0364.2022.036003

原子与分子物理学报
四川大学,四川省物理学会,中国物理学会原子与分子物理专业委员会

原子与分子物理学报

北大核心
影响因子：0.296
ISSN：1000-0364
年,卷(期)：2022.39(3)
  • 1
  • 1