Machine learning methods to fit interatomic potentials for plasma–surface interactions: A C–H–O–Ar exampleOpen Access

Jack S. Draney, Athanassios Z. Panagiotopoulos, David B. Graves2026年8月Physics of PlasmasIF 2.2 出版社

AIによる論文要約

プラズマ–表面相互作用のための原子間ポテンシャルをフィットする機械学習手法：C–H–O–Arの例

JAプラズマ–表面相互作用、核融合材料、原子シミュレーション、機械学習ポテンシャルに関心のある学生・研究者。特にC–H–O–Ar系の壁材料相互作用を学びたい人。#機械学習 #原子間ポテンシャル #プラズマ表面相互作用 #核融合 #C-H-O-Ar

LLM向け: {"Title": "プラズマ–表面相互作用のための原子間ポテンシャルを機械学習でフィットする手法（C–H–O–Ar例）", "Authors": "未記載",…

この論文は、プラズマと材料表面の相互作用を計算するため、機械学習で原子間ポテンシャル（原子間に働く力を表す模型）を合わせ込む手法を扱う。題材は炭素・水素・酸素・アルゴン（C–H–O–Ar）の混合系。核融合装置の壁ではプラズマによる材料損耗や不純物生成が重要で、正確で高速な原子シミュレーションへの応用が期待される。要旨は非公開だが、機械学習ポテンシャル構築の実例を示す論文と推測される。