基于机器学习原子间势的 h-BN 单层热导率
材料科学
2020-12-15 v1
摘要
热管理材料对于微型化电子器件的设计至关重要，而此类材料的理论设计需要评估热导率，这在数值上代价高昂。本工作中，我们应用最近开发的机器学习原子间势（MLIP）来评估六方氮化硼单层的热导率。该 MLIP 采用高斯近似势（GAP）方法获得，所得晶格动力学性质与热导率同显式冻结声子计算的结果进行了比较。观察到基于约 30% 代表性构型构建的 MLIP 即可获得准确热导率，且高阶力常数相比谐近似为 MLIP 的质量提供了更可靠的基准。
引用
@article{arxiv.2012.07578,
title = {Thermal conductivity of h-BN monolayers using machine learning interatomic potential},
author = {Yixuan Zhang and Chen Shen and Teng Long and Hongbin Zhang},
journal= {arXiv preprint arXiv:2012.07578},
year = {2020}
}