用于相变材料 Green-Kubo 热导率的等变图神经网络原子间势
材料科学
2024-03-18 v2 无序系统与神经网络
计算物理
摘要
热导率是技术中起着重要作用的一种基本材料属性，但其精确评估对理论而言是一项挑战。在本工作中，我们展示了在 Green-Kubo 形式体系内应用 -等变神经网络原子间势来确定非晶态与晶态材料晶格热导率的方法。我们将该方法应用于研究碲化锗 (GeTe) 这一典型相变材料的热导率。单一深度学习原子间势能够描述非晶、菱方和立方相之间的相变，其临界温度与实验吻合良好。此外，该方法准确捕捉了 GeTe 中存在的显著非谐性，从而能够精确计算热导率。相比之下，仅包含三声子过程的玻尔兹曼传输方程在晶相中倾向于将热导率高估约 2 倍。
引用
@article{arxiv.2307.02327,
title = {Equivariant graph neural network interatomic potential for Green-Kubo thermal conductivity in phase change materials},
author = {Sung-Ho Lee and Jing Li and Valerio Olevano and Benoit Sklénard},
journal= {arXiv preprint arXiv:2307.02327},
year = {2024}
}