非晶硅网络中化学结构与原子能量的量化
材料科学
2019-05-31 v1
摘要
非晶材料正逐步进入真实计算机模拟的可及范围，但要充分理解其复杂的原子结构仍需新方法。在此，我们展示基于机器学习（ML）的技术如何为非晶硅（a-Si）的原子尺度结构提供新颖的定量化学洞察。基于相似性函数（“核”），我们定义了一种结构度量，统一描述非晶态中最近邻与次近邻环境。我们将其应用于一组 a-Si 网络系综，该系综由基于 ML 的原子间势的熔融-淬火模拟生成，其中我们通过将淬火速率降至 K/s 来调控有序度（从而得到比既有 WWW 网络能量更低的结构模型）。随后我们展示“机器学习”的原子能量如何支持化学解释，将 a-Si 中的配位缺陷与不同的能量稳定区域相关联。该方法直接且成本低廉，可应用于任意结构模型，因此有望对发展非晶态的定量理解具有更普遍的意义。
引用
@article{arxiv.1811.11069,
title = {Quantifying Chemical Structure and Atomic Energies in Amorphous Silicon Networks},
author = {Noam Bernstein and Bishal Bhattarai and Gábor Csányi and David A. Drabold and Stephen R. Elliott and Volker L. Deringer},
journal= {arXiv preprint arXiv:1811.11069},
year = {2019}
}