adf:m3gnetpredictliintercallationpotential

差别

这里会显示出您选择的修订版和当前版本之间的差别。

到此差别页面的链接

--- adf:m3gnetpredictliintercallationpotential [2023/05/16 11:43] – [M3GNet力场（或BAND模块DFT理论）预测锂电池材料中锂嵌入势] liu.jun
+++ adf:m3gnetpredictliintercallationpotential [2024/05/13 17:02] (当前版本) – [机器学习力场 M3GNet（或 DFT）预测锂电池材料中锂嵌入势] liu.jun
@@ 行 1: / 行 1: @@
-======M3GNet 力场（或 BAND 模块 DFT 理论）预测锂电池材料中锂嵌入势======
+======机器学习势 M3GNet（或 DFT）预测锂电池材料中锂嵌入势======
+M3GNet机器学习势，支持GPU加速，安装该势函数的时候，就需要选择相应的版本（当然前提是机器本身有用于GPU计算的显卡）。安装过程参考：[[adf:installofmlp]]
 =====本文实现功能简介=====
 因为 M3GNET 是针对这类锂电池材料结构的能量而训练得到的力场，因此能够很好地、符合预期地再现这些材料中的 Li 嵌入势。下图是 M3GNET 与 DFT 或实验结果的对比：
@@ 行 16: / 行 17: @@
 {{ :adf:li_potential.rar |下载压缩文件}}并解压，得到一个 cif 文件夹以及一个 Python 脚本名为 Li_potential.py。其中 cif 文件夹存放的是样本结构，可以存放多个。筛选时，用户可以基于这些样本结构，分别替换其中的过渡金属和氧元素，然后计算上述两种数据。
-用户可以通过如下一行修改过渡元素和替换氧元素的元素列表：
+用户可以通过如下2行修改过渡元素和替换氧元素的元素列表：
 <code python>
 tm_list = ['Ti','V','Cr','Co','Mn','Fe','Ni']
@@ 行 48: / 行 49: @@
 O6Ti3 was done, with 0 Li atoms in lattice, Volume of Cell: 102.69002 Angstrom^3
 Li3O6Ti3 → O6Ti3 Cell Volume Change: -0.33738000000000073  Angstrom^3
-Li intercallation potential of Li3O6Ti3 : 2.3401228462519685 kcal/mol per Li atom
+Li intercallation potential of Li3O6Ti3 : 2.3401228462519685 Volts
 >>> Li3O6Ti3 -0.337 2.340
 以下省略
 </code>
 即：
-  * Li3O6Ti3 的晶胞体积为 103.70216 Angstrom^3
+  * Li3O6Ti3 的晶胞体积为 103.70216 Angstrom$^3$
-  * O6Ti3 的晶胞体积为 102.69002 Angstrom^3
+  * O6Ti3 的晶胞体积为 102.69002 Angstrom$^3$
-  * Li3O6Ti3 → O6Ti3 每个 Li 原子引起的体积变化为 (103.70216-102.69002)/3 = 0.33738 Angstrom^3
+  * Li3O6Ti3 → O6Ti3 每个 Li 原子引起的体积变化为 (103.70216-102.69002)/3 = 0.33738 Angstrom$^3$
-  * Li 嵌入势为 2.3401228462519685 kcal/mol
+  * Li 嵌入势为 2.3401228462519685 Volts
-  * 数据汇总：>>> Li3O6Ti3 -0.337 Angstrom^3， 2.340 kcal/mol
+  * 数据汇总：Li3O6Ti3， -0.337 Angstrom$^3$， 2.340 Volts
 =====使用 DFT 进行上述计算=====

adf/m3gnetpredictliintercallationpotential.1684208627.txt.gz · 最后更改: 2023/05/16 11:43 由 liu.jun

© 2014-2022 费米科技（京ICP备14023855号）