核反应堆压力容器是核电站中最重要的部件之一,其服役寿命对整个核电站的安全运转起着决定性的作用。核反应堆压力容器作为经典的Fe-Cu二元合金,在使用过程中会受到辐照损伤,这使得溶质原子析出形成沉淀从而加快了合金的老化过程。因此,需要对材料实现原子级别的微观模拟来了解材料内部的微观演变,通过计算机数值模拟技术则可以有效帮助材料研究人员深入研究这些物理化学现象。动力学蒙特卡洛方法是当下较为常用的科学计算方法,可以实现长时间和大规模的数值模拟,是进行多尺度物理模拟的有效手段。同时随着人工智能技术不断发展,许多研究人员利用神经网络开发出了比传统经验势精度更高的神经网络势。为此,结合神经网络势的动力学蒙特卡洛程序将会在材料模拟中更好地发挥作用,本文针对基于神经网络势的原子动力学蒙特卡洛模拟程序,主要做了以下工作:（1）要将原子动力学蒙特卡洛方法与神经网络势结合进行计算,需要原子指纹算法来计算原子指纹,作为神经网络的输入。传统的原子指纹算法通常只考虑到了原子间相互作用的距离,并没有考虑到原子间相互作用的方向性。在这里我们在之前传统的嵌入原子势当中推导出了计算原子间角向作用的计算公式,引入到之前传统的原子指纹算法当中,并将其化简为单循环求和,使新的原子指纹算法与之前的三重编码算法进行了有效结合。同时,为了考虑到计算的时间复杂度,提出了一种利用多重度化简的方法,使整个原子指纹计算变得更加简便。（2）开发了Fe-Cu二元合金的神经网络势,并测试了该神经网络势的精度。首先利用第一性原理计算软件VASP计算所需的Fe-Cu二元合金数据集,并使用开源程序Tensor Alloy对数据集进行训练。为了保证神经网络势的准确性,并比较梯度光滑和非光滑的激活函数对拟合高维复杂势能面的影响,使用了三种不同的激活函数,分别为Re LU,Soft Plus以及Square Plus。同时,在计算过程中也加入了原子角向作用的计算。将训练得出的神经网络势的与第一性原理进行比较,结果表明,神经网络势的计算结果误差较小,使用梯度光滑的激活函数并加入原子角向计算后,神经网络势的精度得到了一定的提高。（3）使用所开发的Fe-Cu二元合金神经网络势在原子动力学蒙特卡洛程序中进行了测试,并进行了长时间的模拟。同时分析了程序的热点函数,发现在空位浓度较高的情况下原子指纹和神经网络的前向计算时间占比明显增加。试验结果表明,在观察孤立Cu原子数量时,使用角动量m=1的计算,孤立Cu原子的数量得到明显下降,验证了角向计算的准确性。在空位浓度模拟规模都增加的情况下,程序的模拟时间明显增长,同时在计算原子角向角动量越高的情况下,模拟时间也越长。