查看原文
其他

理论计算新期刊总引达1154次,解读Adv. Theory Simul.新动向

唯理计算 科学指南针一模拟计算联盟 2022-07-09

Adv. Theory Simul.期刊简介
《先进理论与模拟》是一份跨学科、国际化、英文期刊,发表高质量的科学成果,专注于理论方法、建模和仿真方法在所有自然科学和医学领域的开发和应用,包括:
  • 材料,化学,凝聚态物理。
  • 工程,能源。
  • 生命科学,生物学,医学。
  • 大气/环境科学,气候科学。
  • 行星科学,天文学,宇宙学。
  • 方法开发,数值方法,统计。

Advanced theory and simulation的2019年影响因子为2.951(期刊引用报告(Clarivate Analytics, 2020))。
关键词:应用数学、天文学、大气、电池、碳材料、化学、气候、计算机模拟、凝聚态物质、宇宙学、设备、电子、能源、环境、生命科学、材料科学、方法开发、建模、纳米技术、物理学、聚合物、统计学

在此,我们将分两期,对2020年《Advanced Theory and Simulations》期刊上,引用量排名前十的文章,进行详细阐述(由于篇幅原因,这期仅放排名前五的文章,下期将对剩下的五篇文章进行推送)。


1.机器学习+材料设计:利用基于加权分数的专家知识对具有目标属性的建模材料进行多层特征选择


选择合适的描述符或特征,是利用机器学习模型探索材料构效关系的核心问题之一。目前的特征选择算法,通常需要繁琐的超参数优化,并且没有积极考虑领域专家关于特征的先验知识。

在此,来自上海大学的Si-Qi Shi等人,提出了一种
数据驱动的多层特征选择方法,该方法结合了领域专家知识,名为DML - FSdek,该方法是自动化的,用户无需手动调整超参数即可输入训练数据

通过加权评分的方法,对领域专家知识进行量化,并将其整合到选择过程中,以消除关键特征被剔除的风险。对10个材料属性数据集的测试研究表明,该方法可以自动搜索比初始特征集,具有更低均方根误差的缩减特征集。

本质上是自动选择最相关的材料特征,其数量比原始特征集中的数量少得多,从而为感兴趣的材料建立,更紧密、更准确的构效关系。因此,该方法用更小、更可解释的特征集,来表示材料的目标属性,同时确保相同或更好的预测精度。


参考文献:Liu, Y., Wu, J.‐M., Avdeev, M. and Shi, S.‐Q. (2020), Multi‐Layer Feature Selection Incorporating Weighted Score‐Based Expert Knowledge toward Modeling Materials with Targeted Properties. Adv. Theory Simul., 3: 1900215. https://doi.org/10.1002/adts.201900215
原文链接:
https://onlinelibrary.wiley.com/doi/full/10.1002/adts.201900215

2.发光测温+理论框架:比率单离子发光温度计的理论框架-优化性能的热力学和动力学指南


发光(纳米)测温技术,是高空间分辨率遥感温度研究中一个日益重要的领域。最典型的是,基于玻尔兹曼平衡的两个热耦合发射态的发光发射强度的比率传感,可用于检测局部温度。

根据温度范围和首选的光谱窗口,可能出现多种选择的潜在候选。尽管在该领域进行了广泛的实验研究,但一个涵盖发光测温基础的普遍理论,实际上还尚未建立。

在此,来自荷兰乌得勒支大学的Markus Suta等人,提出了一个
单离子发光温度计的一般理论框架,它为选择合适的发射极相应的嵌入宿主材料,以获得最佳温度传感,提供了简单的用户友好的指导原则

结果表明:对于2kBT0~3.41kBT0之间的热耦合能级之间的能隙∆E21,在T0左右实现了最佳的性能(热响应和灵敏度)。对与温度相关的激发态动力学的分析表明,能够被一个或两个声子桥接的∆E21中的主晶格,比需要更高阶声子过程的主晶格更受青睐。这样的框架,既与发光温度计的基本理解有关,也与新型、卓越的发光(纳米)温度计的定向设计有关。


参考文献:Suta, M. and Meijerink, A. (2020), A Theoretical Framework for Ratiometric Single Ion Luminescent Thermometers—Thermodynamic and Kinetic Guidelines for Optimized Performance. Adv. Theory Simul., 3: 2000176. https://doi.org/10.1002/adts.202000176
原文链接:
https://onlinelibrary.wiley.com/doi/10.1002/adts.202000176

3.自由能+预测:有和没有复制-交换的炼金术相对自由能预测的精确度和准确度


一个系统的和统计健壮的协议应用于评估,有与没有复制交换自由能计算。该协议基于集合平均,以生成预测中不确定性的准确评估。

此文中,来自英国伦敦大学学院&荷兰阿姆斯特丹大学的Peter V. Coveney等人,比较了FEP+和TIES-自由能量扰动带有增强采样的热力学集成—后者是基于有或没有复制交换协议的所谓的“增强采样”。标准TIES对一组参考目标和化合物表现最好;复制-交换方法,不会带来任何好处。

对FEP+及其与REST-复制-交换-溶质回火的关系的评估,揭示了对FEP+中自由能差异的系统和显著低估,这种差异在长时间的模拟中变得越来越大,这已被先前发表的大量分析证实,此外,研究者并提出了许多关于剩余技术预测准确性的问题,迄今为止还没有讨论过。


参考文献:Wan, S., Tresadern, G., Pérez‐Benito, L., van Vlijmen, H. and Coveney, P.V. (2020), Accuracy and Precision of Alchemical Relative Free Energy Predictions with and without Replica‐Exchange. Adv. Theory Simul., 3: 1900195. https://doi.org/10.1002/adts.201900195
原文链接:
https://onlinelibrary.wiley.com/doi/full/10.1002/adts.201900195

4.电磁超表面+可编程:用于太赫兹光束波前和偏振操纵的全光可切换二氧化钒集成编码超表面


电磁超表面,是亚波长大小的人工二维结构,具有多种功能。编码超表面或可编程超表面是一种特殊的相位操纵型超表面,可用于微波波段的动态电磁调制和信息处理。

然而,可编程或可调编码超表面,在太赫兹频段仍然很少。在此,来自天津大学的Jining Li & Yating Zhang & Jianquan Yao等人提出,基于
二氧化钒(VO2)混合谐振器全光可切换编码超表面可用于太赫兹波的动态调制

由于VO2的绝缘体-金属过渡,C形金属- VO2混合谐振器,从各向异性结构转变为准各向同性结构,结果表明,线性极化波的转换效率以及圆极化波的转换效率衰减都很大。

基于这一原理,研究者提出了几种编码超表面,可有效地同时切换太赫兹光束的波前和偏振态,包括线偏振和圆偏振波。值得一提的是,研究者还提出了一种可切换共享孔径超表面的新方法,该方法中只有一部分单胞与VO2集成并可调。这种新方案,促进了太赫兹编码超表面的应用,如高速太赫兹通信。


参考文献:Li, J., Yang, Y., Li, J., Zhang, Y., Zhang, Z., Zhao, H., Li, F., Tang, T., Dai, H. and Yao, J. (2020), All‐Optical Switchable Vanadium Dioxide Integrated Coding Metasurfaces for Wavefront and Polarization Manipulation of Terahertz Beams. Adv. Theory Simul., 3: 1900183. https://doi.org/10.1002/adts.201900183
原文链接:
https://onlinelibrary.wiley.com/doi/full/10.1002/adts.201900183?saml_referrer=

5.机器学习+钙钛矿:用于光伏的无铅钙钛矿的机器学习稳定性和带隙


钙钛矿的合成工程,使其能够精确控制其在光伏应用中,所要求的材料性能。然而,同时解决效率、稳定性和毒性的挑战,仍然存在。

杂化无铅钙钛矿和无机钙钛矿,最近证明了解决这些问题的潜力,但它们的组成空间巨大,即使使用高通量的方法,也很难发现有前途的候选钙钛矿。

在此,来自德国慕尼黑工业大学的Alessio Gagliardi等人,利用
密度泛函理论生成的344种钙钛矿新数据库使用一种广义元素不可知指纹机器学习方法,可以快速准确地预测关键特性

利用验证子集预测带隙、形成能量和凸壳距离,分别在146 meV/原子、15 meV/原子和11 meV/原子。所得到的模型,可用于预测完全不同化学空间中的趋势,并可进行快速的成分和构型空间采样,而不需要昂贵的从头模拟。


参考文献:Stanley, J.C., Mayr, F. and Gagliardi, A. (2020), Machine Learning Stability and Bandgaps of Lead‐Free Perovskites for Photovoltaics. Adv. Theory Simul., 3: 1900178. https://doi.org/10.1002/adts.201900178
原文链接:
https://onlinelibrary.wiley.com/doi/full/10.1002/adts.201900178


唯理计算小福利

针对模拟计算我们有专门的沟通群,想进群的小伙伴加微信


17812574221


备注:模拟计算进群

群里可以和老师一起探讨问题,老师也会帮助解答问题的哦~


   推荐阅读:


END


  你“在看”我吗

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存