数据集概述
本数据集包含论文《Thermal conductivity of hydrous wadsleyite determined by non-equilibrium molecular dynamics based on machine learning》所用数据，涉及机器学习势函数（MLP）测试的能量、力与非平衡分子动力学（NEMD）模拟结果，支撑含水瓦兹利石热导率的计算分析，共4个文件。
文件详解
- 数据文件（Data for Figures.xlsx）
- 文件格式：XLSX
- 字段映射介绍：包含3个工作表，对应论文图表数据：“MLP test-Energy”（图S4）、“MLP test-NEMD”（图1）、“Modeing”（图3），记录MLP模型测试及模拟相关数据。
- 数据文件（MLP test-force.txt）
- 文件格式：TXT
- 字段映射介绍：包含DFT_fx、DFT_fy、DFT_fz（DFT计算的力分量）与MLP_fx、MLP_fy、MLP_fz（MLP预测的力分量）等字段，记录力数据对比。
- 表格文件（Table SI-S01.xlsx）
- 文件格式：XLSX
- 字段映射介绍：补充表格，内容未详细预览，推测为论文支持信息中的第一份表格数据。
- 表格文件（Table SI-S02.xlsx）
- 文件格式：XLSX
- 字段映射介绍：补充表格，内容未详细预览，推测为论文支持信息中的第二份表格数据。
数据来源
论文“Thermal conductivity of hydrous wadsleyite determined by non-equilibrium molecular dynamics based on machine learning”
适用场景
- 材料热导率研究: 分析含水瓦兹利石的热导率特性及影响因素。
- 机器学习势函数验证: 基于MLP测试的能量、力数据，评估机器学习模型在分子动力学模拟中的准确性。
- 非平衡分子动力学模拟分析: 利用NEMD模拟数据，研究材料热输运行为。
- 矿物物理性质研究: 支撑含水瓦兹利石在高温高压环境下物理性质的科学研究。
