基于机器学习分子动力学的非晶二氧化硅温度依赖热输运机制
材料科学
2023-11-22 v2 原子物理
计算物理
摘要
非晶二氧化硅（a-SiO）是一种基础无序材料，其热输运性质对多种应用十分重要。为在 a-SiO 热输运的经典分子动力学（MD）模拟中准确建模原子间相互作用，我们在此开发了一种准确且高效的机器学习势模型，使我们能够生成与实验制备样品高度相似的 a-SiO 样本。利用均匀非平衡 MD 方法并对经典 MD 结果进行恰当的量子统计修正，体材料与 190 nm 厚 a-SiO 薄膜的热导率在宽温度范围内与实验定量吻合。为探究不同温度下的热振动，我们计算了对应于横向声学（TA）与纵向声学（LA）集体振动的电流关联函数。结果表明，在 Ioffe-Regel 交叉频率以下，作为明确激发的声子在非晶二氧化硅中仍然适用，并在低温下起主导作用，导致热导率随温度上升。在高温区，更多声子被激发，并伴有更强烈的类液扩散事件。我们将 a-SiO 高温区与温度无关的热导率归因于激发声子散射与类液扩散在热传导中的协同参与。这些发现为 a-SiO 的热输运提供了物理见解，并有望应用于大量非晶材料。
引用
@article{arxiv.2310.09062,
title = {Mechanisms of temperature-dependent thermal transport in amorphous silica from machine-learning molecular dynamics},
author = {Ting Liang and Penghua Ying and Ke Xu and Zhenqiang Ye and Chao Ling and Zheyong Fan and Jianbin Xu},
journal= {arXiv preprint arXiv:2310.09062},
year = {2023}
}
备注
12 pages, 7 figures in main text; 15 pages, 12 figures in Supplemental Material