机器学习驱动的碳膜模拟沉积:从低密度到类金刚石非晶碳
材料科学
2020-11-05 v2
摘要
非晶碳(a-C)材料具有多种有趣且有用的性质,但对其原子尺度结构的理解仍不完整。本文中,我们报道了关于a-C膜沉积与生长的广泛原子模拟,使用基于机器学习(ML)的高斯近似势(GAP)模型描述原子间相互作用。我们在初始工作[Phys. Rev. Lett. 120, 166101 (2018)]基础上大幅扩展,现考虑宽泛的入射离子能量范围,从而模拟跨越低密度(富集)到高密度(富集、“类金刚石”)非晶碳形式的完整样本。模拟中依冲击能量观察到两种不同机制:低能冲击在冲击点附近直接诱导以和为主的增长,而高能冲击诱导喷丸硬化。此外,我们提出并应用了一种计算a-C膜各向异性弹性性质的方案。我们的工作为这类引人入胜的无序固体提供了基础洞见,也为用ML驱动分子动力学模拟其他材料的原子尺度沉积提供了概念与方法蓝图。
引用
@article{arxiv.2006.09760,
title = {Machine learning driven simulated deposition of carbon films: from low-density to diamondlike amorphous carbon},
author = {Miguel A. Caro and Gábor Csányi and Tomi Laurila and Volker L. Deringer},
journal= {arXiv preprint arXiv:2006.09760},
year = {2020}
}