中国有色金属学报
中國有色金屬學報
중국유색금속학보
THE CHINESE JOURNAL OF NONFERROUS METALS
2005年
1期
105-109
,共5页
汤伟%朱定一%陈丽娟%关翔锋
湯偉%硃定一%陳麗娟%關翔鋒
탕위%주정일%진려연%관상봉
表面能%嵌入原子势%人工神经网络%Levenberg-Marquardt算法
錶麵能%嵌入原子勢%人工神經網絡%Levenberg-Marquardt算法
표면능%감입원자세%인공신경망락%Levenberg-Marquardt산법
利用嵌入原子模型,采用分子动力学方法计算了贵金属Au低指数晶面及部分简单高指数晶面的表面能.同时,采用Levenberg-Marquardt算法,建立了Au表面能的BP神经网络模型;结合分子动力学模型的计算数据,通过大量数据的自学习训练,完成神经网络模型对Au高指数晶面表面能的预测.计算结果表明:该方法具有较高的预测精度,能正确预言低指数晶面表面能的排序,Au各晶面的表面能随其晶面与(111)密排面夹角的增大呈现先增大后减小的特点.
利用嵌入原子模型,採用分子動力學方法計算瞭貴金屬Au低指數晶麵及部分簡單高指數晶麵的錶麵能.同時,採用Levenberg-Marquardt算法,建立瞭Au錶麵能的BP神經網絡模型;結閤分子動力學模型的計算數據,通過大量數據的自學習訓練,完成神經網絡模型對Au高指數晶麵錶麵能的預測.計算結果錶明:該方法具有較高的預測精度,能正確預言低指數晶麵錶麵能的排序,Au各晶麵的錶麵能隨其晶麵與(111)密排麵夾角的增大呈現先增大後減小的特點.
이용감입원자모형,채용분자동역학방법계산료귀금속Au저지수정면급부분간단고지수정면적표면능.동시,채용Levenberg-Marquardt산법,건립료Au표면능적BP신경망락모형;결합분자동역학모형적계산수거,통과대량수거적자학습훈련,완성신경망락모형대Au고지수정면표면능적예측.계산결과표명:해방법구유교고적예측정도,능정학예언저지수정면표면능적배서,Au각정면적표면능수기정면여(111)밀배면협각적증대정현선증대후감소적특점.