机器学习分子动力学模拟探索核燃料材料的高温特性：二氧化钍案例研究

这篇科学报告介绍了一种新的机器学习分子动力学方法，用于探索核燃料材料二氧化钍的高温特性。作者使用少量原子的第一性原理分子动力学准备了一组训练数据，并构建了机器学习分子动力学势，以进行大规模分子动力学计算。这种方法成功地获得了两种热力学相变，即熔化和异常ß大扩散引起的转变的氧原子，并且通过选择最佳一致性方式的密度泛函方案，定量再现了各种实验数据。这项研究为核燃料化合物的理论研究开辟了一条新途径，并为包含重元素和轻元素的类似材料开辟了一条新途径。