基于机器学习力场模拟的相变材料Sb$_2$S$_3$的各向异性结晶动力学与界面动力学
材料科学
2026-05-21 v1 无序系统与神经网络
摘要
锗硫化物（SbS）的相变材料依赖其在晶体和无定形态之间的快速可逆相变，这对于数据存储和光子器件具有至关重要的作用。本文基于矩张量势能方法开发了机器学习力场，首次实现了对SbS原子尺度结构演变和结晶动力学的理解，通过进行规模为7680个原子、持续40纳秒的分子动力学模拟。结果表明，SbS具有各向异性的生长速率，其中[100]晶面生长最快，由于其晶体相中沿准一维丝带状结构的强Sb-S共价键。结晶生长的活化能为0.55-0.57 eV，而扩散的活化能约为1.16-1.56 eV。较低的结晶生长活化能表明其异质结晶受界面控制，而非扩散受限，这与GST和GeTe不同后者的原子在固液界面上的原子键合能优于长程原子运输。这些发现为理解SbS的结构、热力学和动力学特性提供了关键见识，为优化其开关速度、可靠性和能源效率奠定了基础。
引用
@article{arxiv.2605.20785,
title = {Anisotropic Crystallization Kinetics and Interfacial Dynamics of Phase-Change Material Sb$_2$S$_3$ from Machine Learning Force Field Simulations},
author = {Souvik Chakraborty and Wen-Qing Li and Yun Liu},
journal= {arXiv preprint arXiv:2605.20785},
year = {2026}
}
备注
20 pages, 5 figures