A combined DFT and machine learning to predict the bond lengths in rare earth-doped inorganic crystals

Chen Bingrong ,  

He Fengting ,  

Yu Puy Mang Tam ,  

Xie Mengyuan ,  

Zhou Haiqiong ,  

Yin Hao ,  

Li Zhen ,  

Chen Zhenqiang ,  

Ma Fengkai ,  

Su Liangbi ,  

摘要

무기 결정체 재료에서 희토류 이온의 국부 조망 환경은 자극 방사 성능에 상당한 영향을 미친다. 그러나 희토류 이온 국부 조망 구조 정보를 신속하게 대량으로 확보하는 것은 여전히 큰 과제이다. 본 논문에서는 제1원리 계산과 기계 학습을 결합하여 무기 결정체 재료에서 희토류 이온 국부 구조 키 길이를 정확하게 예측했다. 훈련 모델을 기반으로 희토류 도합 무기 결정체 재료의 국부 구조 키 길이를 예측했으며, 제1원리 계산을 통해 정확성을 확인했다. 이 방법은 간단하고 빠르며 희토류 이온의 국부 구조 정보를 대량으로 예측하는 데 도움이 된다.

关键词

Bond lengths;Local structures;Rare earth-doped inorganic crystal

阅读全文