id:"swepub:oai:DiVA.org:liu-185849"
Sökning: id:"swepub:oai:DiVA.org:liu-185849" > Machine learning ap...
- 1 av 1
- Föregående post
- Nästa post
- Till träfflistan
- Brännvall, MarianLinköpings universitet,Teoretisk Fysik,Tekniska fakulteten (författare)
Machine learning approach for longitudinal spin fluctuation effects in bcc Fe at Tc and under Earth-core conditions
- Artikel/kapitelEngelska2022
Förlag, utgivningsår, omfång ...
- AMER PHYSICAL SOC,2022
- printrdacarrier
Nummerbeteckningar
- LIBRIS-ID:oai:DiVA.org:liu-185849
- https://urn.kb.se/resolve?urn=urn:nbn:se:liu:diva-185849URI
- https://doi.org/10.1103/PhysRevB.105.144417DOI
Kompletterande språkuppgifter
- Språk:engelska
- Sammanfattning på:engelska
Ingår i deldatabas
- SwePubSwePub
Klassifikation
Anmärkningar
- Funding Agencies|Swedish Research Council [2018-05973]; Swedish Research Council (VR) through Swedish Government Strategic Research Area in Materials Science on Functional Materials at Linkoping University (Faculty Grant SFOMatLiU) [2019-05403, 2009-00971]; Knut Alice Wallenberg Foundation [KAW-2018.0194]; Swedish Foundation for Strategic Research (SSF) through the Future Research Leaders 6 program [FFL 15-0290]; Swedish e-Science Research Centre (SeRC); Swedish Research Council (VR) [2020-05402]
- We propose a machine learning approach to predict the shapes of the longitudinal spin fluctuation (LSF) energy landscapes for each local magnetic moment. This approach allows the inclusion of the effects of LSFs in, e.g., the simulation of a magnetic material with ab initio molecular dynamics in an effective way. This type of simulation requires knowledge of the reciprocal interaction between atoms and moments, which, in principle, would entail calculating the energy landscape of each atom at every instant in time. The machine learning approach is based on the kernel ridge regression method and developed using bcc Fe at the Curie temperature and ambient pressure as a test case. We apply the trained machine learning models in a combined atomistic spin dynamics and ab initio molecular dynamics (ASD-AIMD) simulation, where they are used to determine the sizes of the magnetic moments of every atom at each time step. In addition to running an ASD-AIMD simulation with the LSF machine learning approach for bcc Fe at the Curie temperature, we also simulate Fe at temperature and pressure comparable to the conditions at the Earth's inner solid core. The latter simulation serves as a critical test of the generality of the method and demonstrates the importance of the magnetic effects in Fe in the Earth's core despite its extreme temperature and pressure.
Ämnesord och genrebeteckningar
Biuppslag (personer, institutioner, konferenser, titlar ...)
- Gambino, DavideLinköpings universitet,Teoretisk Fysik,Tekniska fakulteten(Swepub:liu)davga91 (författare)
- Armiento, RickardLinköpings universitet,Teoretisk Fysik,Tekniska fakulteten(Swepub:liu)ricar47 (författare)
- Alling, BjörnLinköpings universitet,Teoretisk Fysik,Tekniska fakulteten(Swepub:liu)bjoal69 (författare)
- Linköpings universitetTeoretisk Fysik (creator_code:org_t)
Sammanhörande titlar
- Ingår i:Physical Review B: AMER PHYSICAL SOC105:142469-99502469-9969
Internetlänk
- 1 av 1
- Föregående post
- Nästa post
- Till träfflistan
Hitta mer i SwePub
- Av författaren/redakt...
- Brännvall, Maria ...
- Gambino, Davide
- Armiento, Rickar ...
- Alling, Björn
- Om ämnet
-
- NATURVETENSKAP
- NATURVETENSKAP
- och Fysik
- och Annan fysik
- Artiklar i publikationen
- Physical Review ...
- Av lärosätet
- Linköpings universitet
Sök utanför SwePub
- Sök vidare i:
- Google Book Search
- Google Scholar
Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.
- Copyright © LIBRIS - Nationella bibliotekssystem
- LIBRIS.kb.se
