机器学习力场在热中子散射评估中的应用

计算材料学 2025-09-16 16:01
文章摘要
背景:热散射定律(TSLs)用于捕捉化学键与晶体结合对中子热化的影响,传统评估方法基于温度无关的振动谱,忽略了温度变化对声子谱的影响。研究目的:提出利用机器学习势函数(MLP)生成TSL材料模型的新方法,以氢化钇(YHx)为例验证MLP在预测声子谱温度依赖性上的有效性。结论:MLP方法能有效纳入温度引起的声子效应,提升中子散射预测精度,为核反应堆设计提供高保真数据,降低临界计算不确定性。
机器学习力场在热中子散射评估中的应用
本站注明稿件来源为其他媒体的文/图等稿件均为转载稿,本站转载出于非商业性的教育和科研之目的,并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题,请作者速来电或来函联系。
推荐文献
Issue Editorial Masthead
DOI: 10.1021/efv039i036_1982113 Pub Date : 2025-09-11
IF 5.3 3区 工程技术 Q2 Energy & Fuels
计算材料学
最新文章
热门类别
相关文章
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:604180095
Book学术官方微信