================================
分享一篇关于机器学习 + 分子动力学 + 第一性原理 + 热学性质（密度、粘度、扩散系数）+ 微观结构的文章。
感谢论文的原作者！
关键词：
1. Machine learning,
2. Deep potential,
3. Molecular dynamics
4. Molten salt,
5. Thermophysical properties。
================================
主要内容
“镧系裂变产物的积累可能会改变核燃料载体盐LiF–BeF 2 (Flibe)的结构和性能，从而降低熔盐反应堆的运行效率和安全性。然而，条件限制的实验测量、时空限制的第一性原理计算和精度限制的经典动力学模拟无法捕捉非均质熔盐的精确局部结构和可靠的热物理性质。因此，本文开发了LaF 3和Flibe熔融混合物的深势（DP），并进行DP分子动力学模拟，系统研究了多种熔融Flibe + x LaF的密度、扩散系数、粘度、径向分布函数和配位数如图3所示，研究了这些性质与LaF 3浓度之间的定量关系，并分析了潜在的结构-性质关系。最终，在纳米空间尺度和纳秒时间尺度上实现了不同配方的DP在熔融Flibe + LaF 3上的可转移性以及结构和性能的可预测性。”——取自文章摘要。
================================
分析方法
Microstructure Analysis:
1. Radial Distribution Function.
2. Coordination Number.
3. Diffusion coefficients.
Thermal Property Analysis.
1. Density.
2. Viscosity.
================================
================================
Figure 1
Figure 2
Figure 3
Figure 4
Figure 5
Figure 6
================================
以上是我们分享的一些经验或者文章的搬运，或有不足，欢迎大家指出！
如有侵权，请联系我立马删除！
详细内容（文章题目、文章链接、附件下载）可在微 信 公 众 号：原子与分子模拟获取，欢迎大家关注。
