基于机器学习的掺杂氧化钛-氧化锗非晶体建模用于先进 LIGO 镜面涂层

掺杂氧化钛-氧化锗非晶体的机械损失角可低于 $10^{-4}$，因此可作为 Laser Interferometer Gravitational-wave Observatory (LIGO) 镜面的涂层候选材料。非晶氧化物具有复杂的原子结构，受到掺杂浓度、制备工艺及热工历程等多种因素的影响，导致质量密度和物理属性各不相同。原子尺度建模能够捕捉这些效应，通过根据实验条件生成符合实际情况的原子结构模型。为了在可接受的计算成本下获得可靠且具有物理意义的非晶体模型，我们开发了经典势能和机器学习势能（MLP）以加速仿真。首先性原理计算用于训练和验证 MLP 以及验证结构模型。为更好地再现弹性模量、径向分布函数（RDF）以及掺杂非晶氧化物质量密度变化等属性，使用密度泛函理论（DFT）计算对最终模型进行优化。我们发现，非晶体系统的质量密度与总空隙体积相关。实验质量密度匹配具有最对称势能阱的模型，在体积变化下表现最佳。金属-氧网络的弹性响应也得到了研究。27% 掺杂氧化钛-氧化锗系统显示出最小的大型原子间距离变化，而44% 掺杂氧化钛-氧化锗系统中，大多数 Ti-O 距离发生显著变化。对应变，低质量密度下的金属-氧网络倾向于通过调整键角来适应应变，而在高质量密度下，主要通过改变原子间距离来实现。