基于机器学习探索二维 NbSe2 中的电荷密度波
材料科学
2025-11-27 v2 超导电性
摘要
硌化钮 (NbSe) 因其在单层以下仍能同时存在超导性和电荷密度波 (CDW) 而引起广泛关注。然而，现实建模 CDW——包括层数、扭角及应变等效应——由于第一性质方法的高计算成本，仍具挑战性。本文开发了基于 E(3) 等变 Allegro 架构的机器学习原子势 (MLIP) 训练工作流程，专为捕捉单层及双层 NbSe 中 CDW 的细微结构与动力学特征而优化。我们发现，CDW 晶格变形相对容易学习，但对振动性质的建模更具挑战性。这需要针对性的数据集设计和谨慎的超参数调优，挑战当前 MLIP 框架的扩展性。我们的 MLIP 能够可靠地模拟 commensurate 与 incommensurate CDW 相，包括其对维度和堆叠的敏感性，以及 CDW 动力学、声子及通过随机自洽谐和近似方法估算的相变温度。这一工作为研究和调控 NbSe 及其他二维体系中的 CDW，以及电子-声子耦合、超导性及先进材料设计，开辟了新可能性。
引用
@article{arxiv.2504.13675,
title = {Exploring Charge Density Waves in two-dimensional NbSe2 with Machine Learning},
author = {Norma Rivano and Francesco Libbi and Chuin Wei Tan and Christopher Cheung and Jose Lado and Arash Mostofi and Philip Kim and Johannes Lischner and Adolfo O. Fumega and Boris Kozinsky and Zachary A. H. Goodwin},
journal= {arXiv preprint arXiv:2504.13675},
year = {2025}
}