一种镀膜石墠（Ga2O3）的神经进化潜能：用于多态性和快速重离子辐照的精确高效建模
材料科学
2026-05-21 v2
摘要
镀膜石墠 (Ga2O3) 是一种宽带隙半导体，具有在高功率和高频电子器件中广泛应用的前景。然而，其复杂的多态性质为基本研究带来了重大挑战，尤其是在理解非平衡条件下的相变行为方面。本文开发了一种基于神经进化潜能 (NEP) 框架结合能量依赖加权策略的、针对 Ga2O3 的稳健、准确且计算效率高的机器学习原子势。结果表明，该 NEP 潜能在准确性和计算效率方面均显著优于当前最先进的 tabGAP 潜能。此外，我们引入一种面向物理过程的抽样策略，以系统性地丰富训练数据集，从而提升该机器学习势对特定物理现象的性能。作为典型应用，构建了一个专用于 \b{eta}-Ga2O3 快速重离子 (SHI) 辐照模拟的 NEP 潜能。模拟结果与实验观察在定量上一致，并为对 \b{eta}-Ga2O3 离子轨道中相变实验差异的报道提供了一致的物理解释。
引用
@article{arxiv.2601.10174,
title = {A Neuroevolution Potential for Gallium Oxide: Accurate and Efficient Modeling of Polymorphism and Swift Heavy-Ion Irradiation},
author = {Yaohui Gu and Binbo Li and Lingyang Jiang and Yuhui Hu and Wenqiang Liu and Lijun Xu and Pengfei Zhai and Jie Liu and Jinglai Duan},
journal= {arXiv preprint arXiv:2601.10174},
year = {2026}
}
备注
13 pages, 9 figures