機器學習勢在鐵電材料研究中的應用

摘要： 鐵電材料作為一類具有自發(fā)極化且極化外場可控的功能材料，在非易失信息存儲方面有著廣闊的應用前景，同時也面臨著許多挑戰(zhàn)。鐵電材料的性能與在外場作用下極化的動力學行為密切相關，在觀測精度受限的實驗條件下，高精度的原子級材料模擬手段顯得尤為重要。分子動力學為在較大的空間和時間尺度上研究材料動力學過程提供了理想的手段，然而受制于傳統(tǒng)力場精度差、開發(fā)難度高、可移植性差等問題，基于經(jīng)典力場的... （共17頁）