ترجمه فارسی مقاله تسریع پیش‌بینی دمای ذوب مواد با پیاده‌سازی پتانسیل‌های یادگیری ماشین در بسته SLUSCHI

• کتاب صدها نکته فارسی (خودمونی) – نسخه PDF — زبان ساده و کاربردی
  مشاهده نمونه نسخه نکات ساده
• کتاب صدها نکته رسمی فارسی – نسخه PDF — نگارش استاندارد و علمی
  مشاهده نمونه نسخه نکات رسمی
• کتاب صدها پرسش و پاسخ تشریحی – نسخه PDF
  — هر سؤال همراه با پاسخ کامل برای درک عمیق مفاهیم
  مشاهده نمونه نسخه پرسش و پاسخ
• کتاب پرسش و پاسخ چهارگزینه‌ای – نسخه یادگیری سریع
  — پاسخ‌ها بلافاصله بعد از سؤال برای مرور سریع
  مشاهده نمونه نسخه کوییز سریع
• کتاب پرسش و پاسخ چهارگزینه‌ای – نسخه خودآزمایی
  — پاسخ‌ها در انتهای بخش‌ها برای سنجش واقعی یادگیری
  مشاهده نمونه نسخه آزمونی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

چکیده

The SLUSCHI (Solid and Liquid in Ultra Small Coexistence with Hovering Interfaces) automated package, with interface to the first-principles code VASP (Vienna Ab initio Simulation Package), was developed by us for efficiently determining the melting temperatures of various materials. However, performing many molecular dynamics simulations for small liquid-solid coexisting supercells to predict the melting temperature of a material is still computationally expensive, often requiring weeks and tens to hundreds of thousands of CPU hours to complete. In the present paper, we made an attempt to interface the SLUSCHI package with the highly efficient molecular dynamics LAMMPS code and demonstrated that it achieves a much faster melting temperature determination, outperforming the original VASP-based approach by at least one order of magnitude. In our melting temperature calculations, the LAMMPS simulations were performed based on the LASP (Large-scale Atomic Simulation) machine learning potentials which are pre-built using first-principles data. Besides the dramatic CPU time reduction for melting temperature predictions the calculated melting temperatures for various materials (simple and transition metals, alloys, oxides and carbide) are reasonably accurate. Analysis of the calculated results shows that 60% of the melting temperatures are within 200 K of experimental values with the RMSE value of 187 K which is slightly worse than the first-principles DFT RMSE value of 151 K. Therefore, interfacing SLUSCHI with LAMMPS molecular dynamics simulations makes it possible to quickly screen out the best candidates from numerous materials in a much more efficient way, and facilitate the rational design of materials within the framework of the materials genome paradigm.

چکیده به فارسی (ترجمه ماشینی)