Machine learning interatomic potential for studying radiation effects in germanium - The dataset

Kuvaus

This dataset supplies training data for a Gaussian Approximation Potential for germanium, developed specifically for radiation damage studies. It encompasses 451 structures from dimers, multiple bulk crystal phases, liquid configurations at various temperatures, a diverse range of defect structures, and other relevant configurations. All structures are stored in extended XYZ format, with each configuration annotated by total energy, atomic forces, and virial stresses calculated via DFT at the PBE level using VASP. Additional details on dataset generation and DFT calculations are provided in the published paper.
Näytä enemmän

Julkaisuvuosi

2025

Aineiston tyyppi

Tekijät

Ali Hamedani - Muu tekijä

Andrea E. Sand - Muu tekijä

Ruoyan Jin - Tekijä, Julkaisija

Projekti

Muut tiedot

Tieteenalat

Fysiikka

Kieli

Saatavuus

Avoin

Lisenssi

Creative Commons Nimeä 4.0 Kansainvälinen (CC BY 4.0)

Avainsanat

radiation damage, germanium, Gaussian Approximation Potential

Asiasanat

Ajallinen kattavuus

undefined

Liittyvät aineistot