Indexed by：
Abstract：
利用嵌入原子模型,采用分子动力学方法计算了贵金属Au低指数晶面及部分简单高指数晶面的表面能.同时,采用Levenberg-Marquardt算法,建立了Au表面能的BP神经网络模型;结合分子动力学模型的计算数据,通过大量数据的自学习训练,完成神经网络模型对Au高指数晶面表面能的预测.计算结果表明:该方法具有较高的预测精度,能正确预言低指数晶面表面能的排序,Au各晶面的表面能随其晶面与(111)密排面夹角的增大呈现先增大后减小的特点.
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
中国有色金属学报
ISSN： 1004-0609
CN： 43-1238/TG
Year： 2005
Issue： 1
Volume： 15
Page： 105-109
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 8
Affiliated Colleges：
