DFT的matlab源代码用于CuPd分离的神经网络
网站枚举
1×1×7
–所有层板
我们将从训练可能的平板配置的简单表示开始。
1×1的平板,但深7层。
由于有7层,因此中间有一个原子,该原子将经历像高能那样的体积,因为最远的原子(在平板表面)相距超过6.0Å。
因此,任何经过该截止训练的神经网络都应等于体结构所预测的能量。
这是为了抵消先前的NN难以外推到较大数量的图层这一事实。
我们列举了EMT,由于它的敏感性,它也很难使用。
使用PBC似乎有助于减少一些这种误差,但是,结果对所使用的晶格常数也很敏感。
from
ase
.
lattice
.
surface
import
fcc111
from
ase
.
db
import
connect
from
itertools
import
product
from
asap3
import
EMT
import
numpy
as
np
db
=
connect
(
'tmp/EMT/1x1x7.db'
)
atoms0
=
fcc111
(
'Au'
,
[
1
,
1
,
7
],
a
=
3.634
,
vacuum
=
6
评论0
最新资源