基于机器学习的无序单质半导体建模：理解 a-Si 与 a-C 的原子结构
材料科学
2023-03-14 v2
摘要
无序单质半导体，最显著的是 a-C 和 a-Si，在众多不同应用中无处不在。这些应用利用了它们独特的力学与电子性质。在过去的几十年里，基于密度泛函理论（DFT）和其他基于量子力学的计算模拟技术在详细理解晶体半导体的原子与电子结构方面取得了成功。遗憾的是，无序半导体复杂的结构使得 DFT 模拟这些材料所需的时间和长度尺度难以企及。近年来，用于原子尺度建模的机器学习（ML）方法已被开发出来，它们以极少的计算时间代价提供了对 DFT 势能面的准确近似。这些 ML 方法现已趋于成熟，并开始就围绕无序半导体复杂原子结构的一些缺失细节给出首批结论性见解。在本专题综述中，我们简要介绍 ML 原子尺度建模及其在非晶半导体中的应用。随后，我们考察 ML 模拟如何被用于增进我们当前对 a-C 和 a-Si 原子结构的理解。
引用
@article{arxiv.2209.07145,
title = {Machine learning based modeling of disordered elemental semiconductors: understanding the atomic structure of a-Si and a-C},
author = {Miguel A. Caro},
journal= {arXiv preprint arXiv:2209.07145},
year = {2023}
}