利用对称适配集体变量和机器学习离子势函数表征硅碳中的缺陷动力学
材料科学
2025-12-05 v1 化学物理
摘要
硅碳 (SiC) 双空位是具备长相干时间和光学可寻址性的自旋缺陷量子比特的吸引对象。SiC 缺陷形成和运动的高活化能导致其研究面临挑战。本文开发并部署机器学习离子势函数 (MLIP) 以加速缺陷动力学仿真，同时保持 ab initio 的准确性。我们采用对称适配集体变量发现和增强抽样策略构建训练数据，该策略包括基于密度泛函理论 (DFT) 的能量和力计算，以及基于 Allegro 模型的 E(3) 等变 MLIP 的训练。训练得到的 MLIP 在缺陷过渡活化自由能垒上再现 DFT 水平的准确性，使能够高效且稳定地模拟 216 原子的多缺陷超胞，并允许分析缺陷热力学稳定性和形成/消除动力学的温度依赖性，以提出最大化稳定 VV 双空位的 Annealing 温度。
引用
@article{arxiv.2512.04242,
title = {Characterizing Defect Dynamics in Silicon Carbide Using Symmetry-Adapted Collective Variables and Machine Learning Interatomic Potentials},
author = {Soumajit Dutta and Cunzhi Zhang and Gustavo Perez Lemus and Juan J. de Pablo and Francois Gygi and Giulia Galli and Andrew L. Ferguson},
journal= {arXiv preprint arXiv:2512.04242},
year = {2025}
}