基于机器学习的单层 NbSe$_2$ 电荷密度波非热调制模型
材料科学
2026-01-15 v1 强关联电子
计算物理
摘要
理解和控制过渡金属硫化物的电荷密度波（CDW）相图是凝聚态物理学中长期关注的议题。然而，由于电子和晶格自由度复杂参与以及显著的无谐性，通常在密度泛函理论水平上对 CDW 相图进行的理论模拟计算往往昂贵。为大幅降低第一性原理建模的计算成本，我们开发了一种用于单层 NbSe 的电子自由能机器学习模型，允许独立改变电子和离子温度。我们的ethods 依赖于电子态密度和零温离子势的机器学习模型。这使我们能够在热和激光引起的非热条件下探索单层 NbSe 的 CDW 相图。我们的研究在低成本下提供了 CDW 相变温度的准确估计，并可阐明热电子和声子在非热超快 CDW 相熔解过程中的作用。
引用
@article{arxiv.2505.05384,
title = {Machine learning model for efficient nonthermal tuning of the charge density wave in monolayer NbSe$_2$},
author = {Luka Benić and Federico Grasselli and Chiheb Ben Mahmoud and Dino Novko and Ivor Lončarić},
journal= {arXiv preprint arXiv:2505.05384},
year = {2026}
}