基于多通道机器学习的半导体非局域动能密度泛函
材料科学
2024-11-15 v2
摘要
最近提出的基于机器学习的物理约束非局域（MPN）动能密度泛函（KEDF）可用于简单金属及其合金 [Phys. Rev. B 109, 115135 (2024)]。然而, MPN KEDF 对半导体表现不佳。本文提出了一种多通道 MPN（CPN）KEDF, 通过整合来自多个通道收集的信息, 将 MPN KEDF 扩展到半导体, 其中每个通道都具有特定的实空间长度尺度。CPN KEDF 在硅和二元半导体上进行系统测试。我们发现, 多通道设计对于机器学习模型在捕捉半导体特征方面具有益处, 尤其是在处理共价键方面。特别是, 利用五个通道的 CPN5 KEDF 在所有测试系统中都表现出极高的精度。这些结果为为半导体生成 KEDFs 提供了新的路径。
引用
@article{arxiv.2408.15062,
title = {Multi-channel machine learning based nonlocal kinetic energy density functional for semiconductors},
author = {Liang Sun and Mohan Chen},
journal= {arXiv preprint arXiv:2408.15062},
year = {2024}
}
备注
12 pages, 5 figures