大规模 $\beta$-$\rm {Ga_2O_3}$ 中复杂点缺陷识别的广义算法
材料科学
2024-02-08 v2 数据分析、统计与概率
摘要
半导体材料的电学和光学性质深受本征缺陷的原子构型与浓度的影响。这种影响在 - 中尤为显著，这是一种以高度复杂的本征缺陷构型为特征的重要超宽禁带半导体。尽管其十分重要，但目前仍缺乏一种在大规模原子计算建模中准确识别这些缺陷的方法。在这项工作中，我们提出了一种专门设计用于识别 - 晶格中各种本征点缺陷的有效算法。通过整合粒子群优化与分层聚类方法，我们的算法对离散点缺陷构型的识别准确率超过 95%。此外，我们开发了一种在大规模 - 系统中随机生成多种本征缺陷的高效技术。该方法有助于构建广泛的原子数据库，这对于通过大量统计分析来验证识别算法至关重要。最后，将该识别算法应用于分子动力学模拟，准确描述了高温退火过程中点缺陷的演化。我们的工作为研究 - 中本征点缺陷的复杂动力学演化提供了有用的工具，并且有望用于理解类似的材料系统，如 、 和 。
引用
@article{arxiv.2401.15920,
title = {Generalized Algorithm for Recognition of Complex Point Defects in Large-Scale \beta-$\rm {Ga_2O_3}$},
author = {Mengzhi Yan and Junlei Zhao and Flyura Djurabekova and Zongwei Xu},
journal= {arXiv preprint arXiv:2401.15920},
year = {2024}
}
备注
11 pages, 7 figures