用于纤锌矿 AlN 快速且量子精度热模拟的机器学习原子团簇展开势
材料科学
2024-02-23 v2 机器学习
计算物理
摘要
利用原子团簇展开（ACE）框架，我们开发了一种机器学习原子间势，用于快速且准确地建模纤锌矿氮化铝的声子输运性质。ACE 势相对于密度泛函理论（DFT）的预测能力在 w-AlN 的广泛性质上得到展示，包括基态晶格参数、比热容、热膨胀系数、体模量以及谐波声子色散。通过将 ACE 预测值与 DFT 计算和实验对比，进一步验证了晶格热导率，显示出我们的 ACE 势在充分描述非谐波声子相互作用方面的整体能力。作为一个实际应用，我们利用该势进行晶格动力学分析，以揭示双轴应变对 w-AlN 热导率和声子性质的影响，其被确定为基于 w-AlN 的电子设备近结热设计的重要调控因素。
引用
@article{arxiv.2311.11990,
title = {Machine-Learned Atomic Cluster Expansion Potentials for Fast and Quantum-Accurate Thermal Simulations of Wurtzite AlN},
author = {Guang Yang and Yuan-Bin Liu and Lei Yang and Bing-Yang Cao},
journal= {arXiv preprint arXiv:2311.11990},
year = {2024}
}