面向{\theta}-相和非晶坦钨氮化物热导率的机器学习势能
材料科学
2025-08-06 v1 计算物理
摘要
坦钨氮化物（TaN）因其独特的电性和热性质、高热导率，以及在电子器件中的应用受到广泛关注。然而，对于TaN的{\theta}-相，已有实验测量值与理论预测值之间存在显著差异。本研究开发了用于TaN{\theta}-相和非晶相的深度势能模型，并用于分子动力学模拟以探讨 bulk 和纳薄膜的热导率。模拟结果与已报告的实验和理论结果进行比较，讨论了差异的机制。该研究为理解TaN的热传导机制提供了洞见，为其在先进电子和热管理器件中的应用指导了实践。
引用
@article{arxiv.2508.03297,
title = {Machine learning potential for predicting thermal conductivity of {\theta}-phase and amorphous Tantalum Nitride},
author = {Zhicheng Zong and Yangjun Qin and Jiahong Zhan and Haisheng Fang and Nuo Yang},
journal= {arXiv preprint arXiv:2508.03297},
year = {2025}
}