机器学习加速地球核心条件下铁的熔化曲线计算

这篇论文解决了地球物理学中的一个重大挑战：准确模拟在地球内核边界发现的极端压力和温度条件下铁的熔化行为。作者通过开发机器学习加速器，克服了DFT+DMFT计算的计算成本，这对于捕捉电子相关性至关重要。这使得更有效的模拟成为可能，并最终提供了对铁熔化温度的更可靠的预测，这是理解地球内部结构和动力学的关键参数。

• •开发了机器学习加速器以加速DFT+DMFT计算。
• •将DMFT迭代减少了2-4倍。
• •预测了地球核心条件下铁的熔化温度。
• •提供了对地球内核更准确的理解。