인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
초록·키워드
Abstract Most of the novel energy materials contain multiple elements occupying a single site in their lattice. The exceedingly large configurational space of these materials imposes challenges in determining low(est) energy structures. Coulomb energies of possible configurations generally show a satisfactory correlation to computed energies at higher levels of theory and thus allow to screen for minimum-energy structures. Employing an expansion into a binary optimization problem, we obtain an efficient Coulomb energy optimizer using Monte Carlo and Genetic Algorithms. The presented optimization package, GOAC (Global Optimization of Atomistic Configurations by Coulomb), can achieve a speed up of several orders of magnitude compared to existing software. In this work, heuristic optimization on various material classes is performed. Thus, GOAC provides an efficient method for constructing low-energy atomistic models for ionic multi-element materials with gigantic configurational spaces.
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
