利用机器学习揭示界面诱导液体有序化对晶体生长的影响
材料科学
2020-07-01 v2 统计力学
摘要
结晶过程通常从所形成晶体的基本微观结构要素（如表面取向或缺陷的存在）来理解。关于液体结构在晶体生长动力学中所起作用的认识则相当有限。本文结合原子尺度模拟与机器学习方法，证明固液界面邻近的液体呈现出显著的结构有序化，这有效降低了原子迁移率并减缓了结晶动力学。通过对硅和铜的详细研究，我们发现界面诱导有序化（IIO）影响液体迁移率的程度随有序化程度及相邻界面性质的不同而存在巨大差异。本文解释了IIO各向异性的物理机制，并表明在基于物理动机的晶体生长模型中引入该效应，能够定量预测生长速率的温度依赖性。
引用
@article{arxiv.1909.05915,
title = {Uncovering the effects of interface-induced ordering of liquid on crystal growth using machine learning},
author = {Rodrigo Freitas and Evan J. Reed},
journal= {arXiv preprint arXiv:1909.05915},
year = {2020}
}