一种基于NEP机器学习势的蒙脱土热导率预测方法

本发明涉及机器学习势分子模拟技术领域，提出了一种基于NEP机器学习势的蒙脱土热导率预测方法，包括：构建蒙脱土晶体结构模型，对蒙脱土晶体结构模型进行第一性原理分子动力学计算，引入晶格畸变和原子扰动，生成初始结构集；对初始结构集进行静态单点DFT计算，构建训练数据集；基于NEP机器学习框架，利用训练数据集训练生成势函数；采用主动学习策略对势函数的生成过程进行优化；对势函数进行热导率预测验证，基于验证通过的势函数获取蒙脱土热导率预测结果。本发明克服了传统经典势函数依赖经验或半经验模型、精度和适用性受限的不足，解决了复杂材料动态行为和热传导机制难以准确捕捉的问题，降低了计算成本，同时保持了精度。