蓝鲨网 首页 · 教育

《npj-计算材料学》近期7篇研究文章,可免费下载

蓝鲨网
Nature自然科研
2018-02-11 09:13:15  阅读:

《npj-计算材料学》近期7篇研究文章,可免费下载

该研究提出了一个用于计算原子力场的基于机器学习的方案,可以扩大分子动力学模拟范围。分子动力学模拟是探索原子尺度化学和物理过程随时间演变的有力工具。为了执行这种模拟,需要定义初始原子配置,并为每个时间步长输入原子力。虽然计算原子力场可用基于量子力学的各种方法,但这些方法在长时程上应用于大型系统很是不便。来自美国康涅狄格大学的Rampi Ramprasad领衔的研究团队,在本文中提出了一个通用策略:基于机器学习的方法生成高精度原子力场,为纳米级几纳秒系统的分子动力学模拟提供了一条有效途径。该文近期发表于npj Computational Materials 3: 37 (2017);doi:10.1038/s41524-017-0042-y;Published online: 18 September 2017。

导热系数:用于计算固体中热流的框架

一种新理论框架可以为材料热导率的计算提供更加有效的方法。对于从散热片到隔热层的各种应用来说,了解材料如何传导热量非常重要。虽然热量如何在材料中传导具有基础性重要意义,但用其来预测一种材料的晶格导热性仍具挑战,并且一般还需要在该过程中输入具体特性的实验数据或理论知识。现在,来自杜克大学的Stefano Curtarolo领导的国际研究团队提出了一个框架,可以仅需单一输入文件而无需进一步干预,便可预测单晶和多晶材料的晶格热导率。该方法被称为自动非谐波声子库,使用对称性分析来计算某些参数,然后解出Boltzmann传输方程,提供有关电子结构和声子相关属性的信息。该文近期发表于npj Computational Materials 3: 45 (2017); doi:10.1038/s41524-017-0046-7

大数据驱动的材料科学:高效数据的交换和共享

随着大数据驱动的材料研究不断推进,材料科学的新范式——分享和广泛的数据访问,正成为材料科学的关键。显而易见,数据交换和大数据分析的先决条件是标准化。这意味着对单元、零基线和文件格式要统一采用独特的约定。有两个主要的途径可以实现这个目标。途径之一,每个人接受的来自物理、化学、生物物理和材料学各领域不同科学家群体的各类信息,共同遵守计算机代码的多样化生态系统,再开发出所有重要代码文件的输入和输出的“转换器”。然后用这些转换器将每个代码数据转换成标准的、代码独立的格式。途径之二是提供标准化的开放数据库,代码开发者用它来把输入、输出和重启文件直接转换成相同的独立于代码的格式。

本文提出的两种策略,即便不是相互协同的,也应该是互补的。由欧洲原子和分子计算中心(CECAM)的电子结构图书馆(ESL)与欧洲卓越中心(CoE)的NOvel MAterials Discovery (NOMAD)实验室两个团队共同认定的数据格式和惯例较为恰当,具有代表性。这项工作的一个关键是定义描述最新电子-结构计算的分层元数据。该文近期发表于npj Computational Materials 3, Article number: 46 (2017); doi:10.1038/s41524-017-0048-5。

论文:Towards efficient data exchange and sharing for big-data driven materials science: metadata and data formats

生物医用功能化纳米粒子:理论、模拟与设计

生物医用功能化纳米粒子是一个激动人心、快速发展的研究领域。由于纳米-生物界面的具有相当的复杂性,针对该体系的理论和模拟究竟能在多大程度上真实有效是一个重要的问题。本综述将针对这一问题给出积极的答案。从“软物质”的角度切入问题,我们将研究功能化纳米粒子那些可以被经典理论描述的性质。因此我们不会关注光学和电子学性质,而是主要关注纳米粒子与生物环境的相互作用方式,通过对材料表面功能化,并结合不同应用背景,来调控这些相互作用方式。我们尤其希望针对描述这些相互作用的理论和粗粒化模型给出重要概述,并为读者展示这一引人入胜领域中的最新结果。该文近期发表于npj Computational Materials 3: 48 (2017); doi:10.1038/s41524-017-0050-y。

论文:Theory, simulations and the design of functionalized nanoparticles for biomedical applications: A Soft Matter Perspective

高熵合金:相稳定性的预测

包含4种或更多种金属元素的高熵合金可以变成单相固溶体,也可在一定条件下进行相分离,这导致对他们的结构、性能设计困难重重。由卡内基梅隆大学Michael Widom领导的团队,将第一性原理自由能计算与蒙特卡洛分子动力学模拟相结合,预测了Cr-Mo-Nb-V合金的相分离,即在高温下合金呈现出稳定的单相体心立方固溶体,而在较低温度下则分离并形成金属间化合物Laves相。通过实验合成合金以及不同温度下退火,作者们确认了这种相分离,并显示该过程是可逆的。将量子力学总能计算与统计力学结合起来,是一个有效预测自由能的方法,可应用于多元合金的设计问题。该文近期发表于npj Computational Materials 3: 50 (2017); doi:10.1038/s41524-017-0049-4。

论文:First-principles prediction of high-entropy-alloy stability

形状记忆合金:采用第一原理的高通量筛选

通过第一性原理的方法来高通量筛选新型形状记忆合金的金属间化合物,可为进一步的研究提供更多可能性。来自日本京都大学的Isao Tanaka教授等采用第一原理方法,筛选了六千多种具有特定化学计量组合的潜在形状记忆马氏体相变合金。以现有形状记忆合金的性能为依据,确定了高通量的筛选规则,即确定了该材料的工作温度范围和可逆性条件。他们通过以上准则发现有187种合金在母体相和马氏体相之间显示出结构兼容的马氏体相变,并具有稳定的马氏体相。在已知的形状记忆合金中,这187种合金是全新的体系,其中有些体系中含有不太可能成为形状记忆合金的组成元素,如锂元素。该计算研究有可能为寻找有形状记忆效应的潜在合金组合开辟新的途径。该文近期发表于npj Computational Materials 3: 52 (2017); doi:10.1038/s41524-017-0053-8

论文:First-principles screening of structural properties of intermetallic compounds on martensitic transformation

机器学习:由计算机给出的材料合成配方

该研究揭示,合成无机材料的配方现在可由机器学习给出。来自麻省理工学院的Elsa Olivetti教授等开发了一种算法,能够为实验合成一些化合物而“学习”,从而给出新的合成方法步骤。合成过程的“虚拟筛选”将成为合成化学家有用的辅助工具,但由于材料合成通常很复杂,阻碍了这一领域的发展,使其仍处于起步阶段。该研究采用合成的一些代表性关键参数(如反应温度)来简化问题的复杂性,训练相关的算法。作为原理的一个例证,Elsa Olivetti用该法生成了钛酸锶的合成参数,并揭示了其他无机氧化物合成的独到方法。作者希望他们的方法,最终可以作为预测无机材料合成的一种 “虚拟筛选”方法。该文近期发表于npj Computational Materials 3: 53(2017); doi:10.1038/s41524-017-0055-6。

上一篇 下一篇
精彩推荐