利用高维神经网络势模拟半导体材料的晶格热导率
材料科学
2019-08-16 v1 计算物理
摘要
我们证明高维神经网络势（HDNNP）能够以与密度泛函理论（DFT）计算相当的精度预测半导体材料的晶格热导率。在经过基于力的训练过程后，HDNNP 预测的力与 DFT 之间的均方根误差小于 40 meV/Å。作为典型示例，我们给出了 Si 和 GaN 块体晶体的结果。对于 Si，在 200 至 500 K 下与 DFT 计算的热导率偏差在 1% 以内；对于 GaN，在 200 至 1000 K 下偏差在 5.4% 以内。
引用
@article{arxiv.1905.08508,
title = {Simulating lattice thermal conductivity in semiconducting materials using high-dimensional neural network potential},
author = {Emi Minamitani and Masayoshi Ogura and Satoshi Watanabe},
journal= {arXiv preprint arXiv:1905.08508},
year = {2019}
}