用于半导体声子辅助光谱的深度神经网络
材料科学
2025-05-07 v2 机器学习
摘要
Ab initio 方法在有限温度下准确模拟声子辅助半导体光谱仍是巨大挑战，因为这需要大型晶格进行声子抽样，以及计算昂贵的高精度交换-关联( XC)函数。本文提出一种高效方法，将深度学习紧密结合势模型，以保持 ab initio 保真度。通过利用分子动力学进行原子配置抽样和深度学习加速的哈密顿量评估，我们的方法实现了使用先进 XC 函数(HSE, SCAN)进行大规模温度依赖光谱仿真。该方法在硅和砷化镓(gallium arsenide)上实现，温度范围为 100-400 K，准确捕捉声子诱导的带隙重整及间接/直接吸收过程，与实验结果在五个数量级上保持良好一致。该工作为在复杂材料中探索电子-声子耦合现象的高通量研究开辟了道路，克服了传统方法因大型晶格和计算昂贵 XC 函数而受限的局限。
引用
@article{arxiv.2502.00798,
title = {Deep Neural Network for Phonon-Assisted Optical Spectra in Semiconductors},
author = {Qiangqiang Gu and Shishir Kumar Pandey and Zhanghao Zhouyin},
journal= {arXiv preprint arXiv:2502.00798},
year = {2025}
}
备注
6 pages, 5 figures