利用精确通用机器学习原子间势探索复杂Ga2O3多晶型
材料科学
2023-09-19 v2 计算物理
摘要
Ga2O3是一种在电子和光电子应用中具有新兴重要性的宽禁带半导体。然而，复杂共存Ga2O3多晶型及低对称性无序结构性质的关键信息尚缺失。本工作中，我们为Ga2O3开发了两类基于核的机器学习高斯近似势(ML-GAPs)，其对β/κ/α/δ/γ多晶型具有高精度，并对无序化学计量结构具有通用性。我们并行发布两个版本的原子间势，即soapGAP和tabGAP，分别实现优异精度和超高加速。我们系统地表明，soapGAP和tabGAP均能重现全部五种多晶型的结构性质，与第一性原理结果高度一致，同时相比密度泛函理论分别计算效率提升5×10^2和2×10^5倍。结果表明液-固相变经历三个不同阶段：“慢转变”、“快转变”和“仅Ga迁移”。我们表明这一复杂动力学可通过界面层中O和Ga子晶格的不同行为来理解。
引用
@article{arxiv.2212.03096,
title = {Complex $\mathrm{Ga}_{2}\mathrm{O}_{3}$ Polymorphs Explored by Accurate and General-Purpose Machine-Learning Interatomic Potentials},
author = {Junlei Zhao and Jesper Byggmästar and Huan He and Kai Nordlund and Flyura Djurabekova and Mengyuan Hua},
journal= {arXiv preprint arXiv:2212.03096},
year = {2023}
}
备注
13 pages, 7 figures