利用图神经网络加速电子器件界面建模
材料科学
2023-10-12 v1 无序系统与神经网络
摘要
现代微电子器件由大量材料之间的界面构成，其中许多处于非晶或多晶相。使用密度泛函理论等第一性原理方法对这类非晶材料进行建模通常在数值上难以处理。近来，图神经网络（GNNs）已展现出以线性复杂度取得可与从头算方法相媲美精度的潜力。在此，我们展示了 GNNs 在加速原子级计算流程以通过学习的微观物理性质预测宏观晶体管输运特性方面的适用性。我们通过 GNN 预测的原子力生成非晶异质结构，具体而言是 HfO-SiO-Si 半导体-电介质晶体管栅极堆叠，并展现出在预测包括纳米硅沟道注入速度在内的输运特性上的优异精度。该工作为通过 GNNs 建模现代先进电子器件提供更快速且可扩展的方法铺平了道路。
引用
@article{arxiv.2310.06995,
title = {Accelerated Modelling of Interfaces for Electronic Devices using Graph Neural Networks},
author = {Pratik Brahma and Krishnakumar Bhattaram and Sayeef Salahuddin},
journal= {arXiv preprint arXiv:2310.06995},
year = {2023}
}