Ấn phẩm:
Structural prediction of carbon cluster isomers with machine-learning potential
Đang tải...
Xem mô tả
7
Xem & Tải
2
Nhan đề khác
Tóm tắt
Structural prediction of low-energy isomers of carbon twelve-atom clusters is carried out using the recently developed machine-learning potential GAP-20. The GAP-20 agrees with density-functional theory calculations regarding geometric structures and average C-C bond lengths for most isomers. However, the GAP-20 substantially lowers the energies of cage-like structures, resulting in a wrong ground state. A comparison of the cohesive energies with the density-functional theory points out that the GAP-20 only gives good results for monocyclic rings. Two multicyclic rings appear as new low-energy isomers, which have yet to be discovered in previous research.
Mô tả
Communications in Physics, Vol. 34, No. 3
Tác giả
Nguyen, Duy Huy
Người hướng dẫn
Nơi xuất bản
Nhà xuất bản
Viện Vật lý, Viện Hàn lâm Khoa học và Công nghệ Việt Nam
Năm xuất bản
2024-06
ISSN tạp chí
Nhan đề tập
Từ khóa chủ đề
Carbon clusters , Low-energy isomers , Machine learning potential
URI
Tài liệu tham khảo
Thông tin bản quyền
Tệp tin
Duy Huy Nguyen.pdf
Dung lượng: 1.11 MBĐịnh dạng: pdf
Lượt xem: 1 Lượt tải: 1