面向存储材料的全程设备尺度原子簇扩张潜能能模拟
材料科学
2025-02-13 v1 计算物理
摘要
计算机模拟长期以来一直是理解和设计用于存储技术的相变材料（Phase-Change Materials, PCMs）的关键。而机器学习如今正日益增加用于加速PCM建模，但仍然具有挑战，难以同时达到模拟真实世界PCM器件所需的尺度。本文展示了如何利用基于原子簇扩张（Atomic Cluster Expansion, ACE）框架的超高速机器学习原子势，使PCM能够在高性能计算平台上实现优异可扩展性的模拟。我们报告了全程模拟——包括从数字“零”到“一”的耗时的结晶过程——从而代表了交叉点存储器器件的整个编程周期。我们还展示了针对类蘑菇器件几何形态的全程操作模拟，相关于神经形态计算。我们的工作为PCM基存储器和神经形态计算器件的原子尺度建模提供了平台，更广泛地说明了高度高效ACE机器学习模型在材料科学和工程中的强大功能。
引用
@article{arxiv.2502.08393,
title = {Full-cycle device-scale simulations of memory materials with a tailored atomic-cluster-expansion potential},
author = {Yuxing Zhou and Daniel F. Thomas du Toit and Stephen R. Elliott and Wei Zhang and Volker L. Deringer},
journal= {arXiv preprint arXiv:2502.08393},
year = {2025}
}