面向聚合物基型忆性器件中电荷传输动力学的可扩展动力学蒙特卡罗平台

聚合物辅助的离子传输支撑着能源存储技术以及新兴的神经形态计算器件。离子迁移的高效建模对于理解电池和忆性器件的性能至关重要，但由于漂移、扩散和静电相互作用的相互作用，以及连续模型和分子动力学方法的局限性，这仍然具有挑战性。在应对气候和能源危机的背景下，高性能、低碳技术需要优化离子导电材料和器件。本文引入了一个可扩展且灵活的随机仿真平台，使用马尔可夫链蒙特卡罗方法来建模固态系统中的离子迁移。该平台采用矢量化、轨道基表示的器件几何结构，使其能够在保留跳跃事件随机性的同时，快速模拟横向离子传输和空间电荷效应。它适用于广泛的材料系统，并可在无需代码修改的情况下整合实验输入参数。我们还提供了一个能够利用能源效率极高的GPU的实现，提高了仿真性能并降低了碳足迹。使用聚合物基型忆性器件进行的验证表明，模拟器能够捕捉关键行为，包括relaxation 衰减、电压-电流滞后、尖脉冲时序依赖性可塑性以及学习/遗忘速率。通过在计算效率与中尺度物理考虑之间进行权衡，该平台为探索能源存储和神经形态器件中的离子驱动现象提供了一个多功能工具，支持探索性研究。