基于分子动力学结合神经网络的Au表面能计算方法

利用嵌入原子模型, 采用分子动力学方法计算了贵金属 Au低指数晶面及部分简单高指数晶面的表面能。同时, 采用Levenberg Marquardt 算法, 建立了Au表面能的BP神经网络模型; 结合分子动力学模型的计算数据, 通过大量数据的自学习训练, 完成神经网络模型对 Au高指数晶面表面能的预测。计算结果表明: 该方法具有较高的预测精度, 能正确预言低指数晶面表面能的排序, Au各晶面的表面能随其晶面与(111)密排面夹角的增大呈现先增大后减小的特点。