硅材料热氧化工艺的机器学习力场
材料科学
2024-10-29 v1
摘要
回顾七十多年来在半导体行业中广泛应用的历史，硅及其本态氧化物 SiO 仍是几项技术发展的核心。近期，制造超薄氧化层变得至关重要，这有助于跟上纳米电子器件缩小趋势，以及实现新型器件技术的实现。由此带来了一个需求，即更好地理解 Si/SiO 界面原子构型。经典力场提供了灵活的应用和相对较低的计算成本，但受限于精度。初步方法给出更好的结果，但计算成本极高。机器学习力场 (MLFF) 具备将两者优势兼具的可能性。我们训练了一个用于模拟 Si 基底干法热氧化工艺的 MLFF。训练数据由密度泛函理论计算生成。得到的结构与初步仿真以及实验观察一致。相对于经典力场，尤其是最新的响应力场 (reaxFF)，所得配置得到了显著改善。
引用
@article{arxiv.2405.13635,
title = {Machine Learning Force Field for Thermal Oxidation of Silicon},
author = {Lukas Cvitkovich and Franz Fehringer and Christoph Wilhelmer and Diego Milardovich and Dominic Waldhör and Tibor Grasser},
journal= {arXiv preprint arXiv:2405.13635},
year = {2024}
}
备注
9 pages, 6 figures, 3 tables