基于深度学习驱动的第一性原理模拟的磷化硼高压局域结构、热力学与熔化曲线
材料科学
2023-08-15 v1 化学物理
计算物理
摘要
磷化硼(BP)是一种由轻元素构成的(超)硬半导体，在极端条件下的高需求应用中具有前景。BP 在高温高压下的行为尤为引人关注，但由于实验和常规第一性原理方法均局限于研究难熔共价材料，其行为尚不清楚。机器学习原子间势的使用是一种革命性趋势，为以第一性原理精度研究材料高温行为提供了独特机遇。我们开发了一种深度机器学习势(DP)，用于 BP 固相与液相及其在熔化线附近转变的精确原子模拟。我们的 DP 在结构和动力学性质上与实验及第一性原理分子动力学数据定量吻合。基于 DP 的模拟揭示，在环境压力下四面体键合的立方 BP 晶体熔化为由硼和磷两个互穿且结构不同的子网络构成的开放结构。BP 熔体在压缩下的结构转变表现为低压四面体配位向高压八面体配位的演化。低压结构变化的主要贡献来自 B 子网络中程有序的演化，高压下来自 P 子网络短程有序的改变。此类转变在 12--15 GPa 范围内表现出结构特征的异常行为。对所得结果的分析提出了开发共价材料机器学习势的开放问题，并激励对 BP 熔化行为的进一步实验与理论研究。
引用
@article{arxiv.2305.06981,
title = {Local structure, thermodynamics, and melting curve of boron phosphide at high pressures by deep learning-driven ab initio simulations},
author = {N. M. Chtchelkatchev and R. E. Ryltsev and M. V. Magnitskaya and S. M. Gorbunov and K. A. Cherednichenko and V. L. Solozhenko and V. V. Brazhkin},
journal= {arXiv preprint arXiv:2305.06981},
year = {2023}
}
备注
12 pages, 9 figures