dc.contributor.advisor | González Del Rio, Beatriz | es |
dc.contributor.advisor | González Fernández, David José | es |
dc.contributor.author | Andrés Sánchez, César de | |
dc.contributor.editor | Universidad de Valladolid. Facultad de Ciencias | es |
dc.date.accessioned | 2024-10-24T17:34:14Z | |
dc.date.available | 2024-10-24T17:34:14Z | |
dc.date.issued | 2024 | |
dc.identifier.uri | https://uvadoc.uva.es/handle/10324/70923 | |
dc.description.abstract | Various 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.abstract | Se 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.sponsorship | Departamento de Física Teórica, Atómica y Óptica | es |
dc.format.mimetype | application/pdf | es |
dc.language.iso | spa | es |
dc.rights.accessRights | info:eu-repo/semantics/openAccess | es |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject.classification | DFT | es |
dc.subject.classification | Machine Learning | es |
dc.title | Propiedades estáticas, dinámicas y electrónicas de las aleaciones líquidas Fe-Ni y Fe-Ni-S. Estudio de primeros principios con redes neuronales | es |
dc.type | info:eu-repo/semantics/bachelorThesis | es |
dc.description.degree | Grado en Física | es |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Internacional | * |