Mostrar el registro sencillo del ítem

dc.contributor.advisorGonzález del Río, Beatrizes
dc.contributor.advisorGonzález Fernández, David José es
dc.contributor.authorde Andrés Sánchez, César
dc.contributor.editorUniversidad de Valladolid. Facultad de Ciencias es
dc.date.accessioned2024-10-24T17:34:14Z
dc.date.available2024-10-24T17:34:14Z
dc.date.issued2024
dc.identifier.urihttps://uvadoc.uva.es/handle/10324/70923
dc.description.abstractVarious static and dynamic properties of the binary compounds Fex Ni1 – x , x = 1, 0.90, 0.85, at the thermodynamic state of 1875 K and 0 GPa have been studied, combining first principles molecular dynamics techniques with Machine Learning. The total and global structure factors reveal practically no change in the internal structure of these systems, and the diffusion coefficients indicate a lower mobility of the iron atoms as nickel is added. We also show results for the adiabatic speed of sound and shear viscosity, comparing them with the available experimental measurements, showing a decreasing trend in viscosity and an increasing trend in the speed of sound as nickel is added, highlighting the use of Machine Learning in the calculation of the latter, which has allowed to obtain notably more precise results.es
dc.description.abstractSe han estudiado diversas propiedades estáticas y dinámicas de los compuestos binarios Fex Ni1 – x , x = 1, 0.90, 0.85, en el estado termodinámico de 1875 K y 0 GPa, combinando técnicas de dinámica molecular de primeros principios con Machine Learning. Los factores de estructura totales y globales revelan un cambio prácticamente nulo en la estructura interna de dichos sistemas, y los coeficientes de difusión indican una menor movilidad de los átomos de hierro a medida que se añade níquel. Mostramos también resultados para la velocidad adiabática del sonido y la viscosidad de cizalladura, comparándolos con las medidas experimentales disponibles, mostrando una tendencia descendente en la viscosidad y una tendencia ascendente en la velocidad del sonido a medida que se agrega níquel, destacando el uso de Machine Learning en el cálculo de esta última, lo cual ha permitido obtener resultados notablemente más precisos.es
dc.description.sponsorshipDepartamento de Física Teórica, Atómica y Ópticaes
dc.format.mimetypeapplication/pdfes
dc.language.isospaes
dc.rights.accessRightsinfo:eu-repo/semantics/openAccesses
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.subject.classificationDFTes
dc.subject.classificationMachine Learninges
dc.titlePropiedades estáticas, dinámicas y electrónicas de las aleaciones líquidas Fe-Ni y Fe-Ni-S. Estudio de primeros principios con redes neuronaleses
dc.typeinfo:eu-repo/semantics/bachelorThesises
dc.description.degreeGrado en Físicaes
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 Internacional*


Ficheros en el ítem

Thumbnail

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem