近年来，机器学习在传热领域的研究十分火爆。机器学习模型种类繁多。然而，在应用领域当中当属机器学习势函数（MLP）最广，一般来说他是可以与lammps等MD软件相结合，在保证计算效率的同时保证计算精度和准确性，这是传统经验势函数所不具备的（准确性）。下面我将采用樊老师开发的神经演化势（NEP）这个软件包进行流程讲解。这一流程不局限于这一个软件包，在DP等软键包仍然适用。

1、流程介绍

在这我们以石墨烯和六方氮化硼为例子，构建一个异质结转角的MLP。首先时获取初始结构，采用第一性原理软件进行弛豫，弛豫至基态。在基态的基础上进行微扰、应变、转角、缺陷、异质结的构建并进行静态计算，将计算获取的能量、力和维里作为NEP的数据集，命名为train.xyz，而后进行拟合参数的设定，进行训练。训练获取的势函数与相应的软件接口进行链接计算相应的传热性质，最终获取热输运性质。

一下是我构造训练集的结构数量表格：

拟合参数设置

损失函数

预测的晶格常数（括号为参考数值）

DFT与势函数的测试结果

转角预测结果

欢迎大家交流学习：