基于机器学习原子势函数的原子动力学蒙特卡洛程序TensorKMC的优化

作     者：刘人僪 陈欣 商红慧 张云泉 LIU Renyu;CHEN Xin;SHANG Honghui;ZHANG Yunquan

作者机构：大连海洋大学信息工程学院辽宁大连116023 中国科学院计算技术研究所计算机体系结构国家重点实验室北京100190 北京应用物理与计算数学研究所北京100088 

出 版 物：《计算机科学》 (Computer Science)

年 卷 期：2024年第51卷第9期

页      面：23-30页

学科分类：08[工学] 0835[工学-软件工程] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家重点研发计划(2020YFB1709500) 国家自然科学基金青年科学基金(12004046) 

主　　题：动力学蒙特卡洛 原子指纹 神经网络势 

摘      要：核反应堆压力容器是核电站中最重要的部件之一,在使用过程中通常会受到辐照损伤,这极大影响了其使用寿命,给核电站的安全带来隐患。原子动力学蒙特卡洛方法(AKMC)是研究材料辐照损伤的有效理论方法,可以与计算机数值模拟进行结合来研究压力容器的微结构演变。辐照损伤的材料存在缺陷,原子间相互作用建模时需要考虑非球对称相互作用,但TensorKMC在计算时并没有考虑到原子的角向作用。文中针对该问题,提出了一种包含角向相互作用、可以与TensorKMC的三重编码完美结合的指纹建模方法,并可利用多重度对角向指纹的计算过程进行化简。文中在TensorKMC程序中实现了该方法,测试结果显示角向指纹对势函数的精度有显著影响,最大角动量越高,势函数越精准,程序的模拟耗时也会显著增加。同时,也针对TensorKMC的原子势函数的激活函数开展了测试,结果表明梯度光滑的Softplus和SquarePlus相比初版TensorKMC所用的ReLU在拟合高维势能面时有明显的优势,在最大角动量较低时ReLU有性能优势,但随着最大角动量的增大,不同激活函数对总体模拟时间几乎无特别影响。因此,在实际研究中推荐使用梯度光滑的激活函数。