一种基于深度学习势函数的铪基氧化物固溶体介电性能的计算方法及系统

本发明涉及一种基于深度学习势函数的铪基氧化物固溶体介电性能的计算方法及系统，所述计算方法的步骤包括：S1，以HfO2为母相结构搭建铪基氧化物固溶体模型，通过第一性原理分子动力学模拟构建初始数据集；S2，利用深度神经网络训练原子间相互作用势函数；S3，基于势函数进行大规模分子动力学模拟，筛选候选构型并构建增量数据集，迭代优化势函数；S4，系统验证S3优化后的势函数精度、对比预测材料平衡态物性，确保势函数模型的准确性；S5，基于S3优化后的势函数进行深度势能分子动力学模拟，研究体系相稳定性与介电性能。与现有技术相比，本发明结合动态随机存储器的器件结构，为提升其电容器性能提供前瞻性的解决方案。