arXiv · Materials Science· Guanchen Dong, Huanrong Liu, Lin Wang, Yuxuan Chen, Zhengyu Tu, Qing-an Li, Bin Xu, Jian Li, Shan Zhang, Xiaotong Li, Linghua Tan, Guangcheng Yang, Jun Kang, Rui Su, Pengfei Guan·· 3 天前
知识引导构建用于含能材料反应行为的机器学习势
Knowledge-Guided Construction of Machine Learning Potentials for Reactive Behavior in Energetic Materials
arXiv:2610.17987v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Guanchen Dong, Huanrong Liu, Lin Wang, Yuxuan Chen, Zhengyu Tu, Qing-an Li, Bin Xu, Jian Li, Shan Zhang, Xiaotong Li, Linghua Tan, Guangcheng Yang, Jun Kang, Rui Su, Pengfei Guan
研究任务与主要进展
Guanchen Dong等人提出一种知识引导的神经网络原子势（NNAP）构建方法，将球谐基组 sphmulti、主动学习、最远点采样和迭代充分性准则用于含能材料的反应行为建模。基于论文摘要，NNAP仅用13,680个构型训练，便描述了3,3'-二氨基-4,4'-偶氮呋咱的异构化势垒、热解活化能和冲击 Hugoniot 行为，并由分子动力学模拟揭示热解与冲击加载下的反应路径。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · Materials Science · arxiv.org