机器学习研究Cu₂O(111)表面的表面重构
材料科学
2025-11-19 v3
摘要
氧化亚铜(Cu₂O)(111)表面最稳定重构表面的原子结构一直是一个长期争论的话题。在本研究中，我们开发了即时训练的机器学习力场(MLFFs)，以系统研究在化学计量比以及富氧或缺氧、富铜或缺铜条件下Cu₂O(111)表面的各种重构，重点关注(√3×√3)R30°和(2×2)超胞。通过利用MLFFs支持的并行回火模拟，我们确认先前描述的纳米金字塔形和缺铜(1×1)结构是从中等氧化到强氧化条件下的最低能量结构。此外，我们在强还原条件下识别出两种有前景的纳米金字塔形重构，一种为化学计量比，另一种为富铜。使用自旋极化PBE、PBE+U、r²SCAN和HSE06泛函进行的表面能计算表明，先前已知的缺铜构型和纳米金字塔形构型在所有泛函下都处于凸包上（因此是平衡结构），而其他结构的稳定性取决于泛函，因此是不确定的。我们的发现表明，即时训练的MLFFs提供了一种简单、高效且快速的方法来探索实验研究中常见的复杂表面重构，并增强了我们对Cu₂O(111)表面稳定性的理解。
引用
@article{arxiv.2507.05026,
title = {Machine Learning Study of Surface Reconstructions of the Cu$_{2}$O(111) Surface},
author = {Payal Wadhwa and Michael Schmid and Georg Kresse},
journal= {arXiv preprint arXiv:2507.05026},
year = {2025}
}
备注
final manuscript