1.一种比较非晶态和晶态陶瓷材料薄膜稳定性的方法,其特征在于,包括以下步骤:对陶瓷材料非晶态结构和陶瓷材料晶态结构进行模拟和计算,得到陶瓷材料非晶态结构和陶瓷材料晶态结构的数据集;
构建神经网络系统,通过机器学习方法训练陶瓷材料非晶态结构和陶瓷材料晶态结构的数据集,获得描述陶瓷材料体系的势函数;
基于描述陶瓷材料体系的势函数进行分子动力学模拟,对非晶态陶瓷材料薄膜和晶态陶瓷材料薄膜体系的总能量进行比较,并计算形成能和声子谱;
通过比较非晶态陶瓷材料薄膜和晶态陶瓷材料薄膜的总能量、形成能,以及对结构和声子谱的分析,判定非晶态陶瓷材料薄膜和晶态陶瓷材料薄膜的稳定性;
对于陶瓷材料晶体结构,从开源网站下载;
对陶瓷材料非晶体结构,选取陶瓷材料晶体结构,在分子动力学模拟中对此结构升温至陶瓷材料熔点,使其融化变成完全无序的结构,然后在随机时间点获得不同的无序非晶态结构;
对陶瓷材料晶态结构和陶瓷材料非结构结构进行分子动力学模拟,之后在所述分子动力学模拟的轨迹中提取出部分结构进行第一性原理计算,得到对应结构的能量和力数据,作为数据集;
第一性原理模拟过程中,交换关联反函数选取PBE形式,离子和电子之间的相互作用由PAW赝势方法描述;
机器学习方法训练步骤是将陶瓷材料非晶态结构和陶瓷材料晶态结构的数据集随机分成训练集和测试集,其中训练集占全部数据集的90%和测试集占全部数据集的10%;通过训练集训练得出描述陶瓷材料体系的势函数,再通过测试集验证描述陶瓷材料体系势函数的准确性;
势函数的验证方法为:
对于晶体结构,将所得势函数计算出的形成能与密度泛函理论计算得到的形成能进行比较;
对于非晶态结构,比较不同结构在密度泛函理论和所得的神经经网络势函数的原子平均受力;
通过比较误差大小来判断所得势函数的准确性。
2.根据权利要求1所述的一种比较非晶态和晶态陶瓷材料薄膜稳定性的方法,其特征在于,神经网络系统是包含有两个隐藏层的神经网络系统,输入原子的坐标,局部环境的描述符采用的是BP描述符,随后采用L-BFGS算法对其势函数进行误差训练,训练过程是一个误差的反向传播过程,因此只需要最小化二次误差函数。
3.根据权利要求2所述的一种比较非晶态和晶态陶瓷材料薄膜稳定性的方法,其特征在于,在误差训练过程中,把通过神经网络的单个原子误差及其权重反向传播;优化迭代训练的过程通过均方根误差或者平均绝对误差来衡量;通过相应的迭代训练,获得可精确描述陶瓷材料体系的势函数。
4.根据权利要求1所述的一种比较非晶态和晶态陶瓷材料薄膜稳定性的方法,其特征在于,对描述陶瓷材料体系的势函数进行分子动力学模拟,观察稳定后的状态及能量,计算形成能和声子谱;
非晶态陶瓷材料薄膜和晶态陶瓷材料薄膜中,总能量和形成能低、无悬挂键、以及不存在虚频声子的薄膜稳定性好。
5.根据权利要求1所述的一种比较非晶态和晶态陶瓷材料薄膜稳定性的方法,其特征在于,陶瓷材料为二氧化硅、碳化硅、硼氧化物或铝氧化物。