结合线性标度量子输运与机器学习分子动力学研究复杂材料中的热与电子输运
材料科学
2024-04-08 v1
摘要
我们提出了一种用于同时预测复杂材料中热输运与电子输运性质的高效方法。首先，使用来自量子力学密度泛函理论计算的参考数据训练高效的机器学习神经进化势。然后将该训练势应用于大规模分子动力学模拟，从而能够生成真实结构并准确表征热输运性质。此外，将原子的分子动力学模拟与电子的线性标度量子输运计算相耦合，以考虑影响主导电子输运性质的载流子的电子-声子散射及其他无序。我们通过研究石墨烯反点晶格的热电输运性质证明了该统一方法的实用性。
引用
@article{arxiv.2310.15314,
title = {Combining linear-scaling quantum transport and machine-learning molecular dynamics to study thermal and electronic transports in complex materials},
author = {Zheyong Fan and Yang Xiao and Yanzhou Wang and Penghua Ying and Shunda Chen and Haikuan Dong},
journal= {arXiv preprint arXiv:2310.15314},
year = {2024}
}
备注
8 pages, 4 figures