Anharmonic interatomic force constants and thermal conductivity from Grüneisen parameters: an application to graphene
声子介导的热导率,这是很大的技术相关性,根本上是由于原子间势的非谐散射而产生的。尽管其流行,准确的第一性原理计算的热导率仍然具有挑战性,主要是由于非谐原子间力常数(IFC)计算的高计算成本。与此同时,相关的非谐现象热膨胀更容易处理,可以从与晶体变形引起的声子频移相关的Grüneisen参数计算。在这项工作中,我们提出了一种新的方法来计算最大的立方IFC的Grüneisen参数数据。这允许经由便宜得多的途径近似地确定热导率。关键的见解是,尽管Grüneisen参数不可能包含立方IFC的所有信息,但它们仍然可以明确而准确地确定最大和最物理相关的参数。通过沿着明智设计的变形拟合各向异性Grüneisen参数数据,我们可以推导出(即,反向工程)主要立方IFC并估计三声子散射振幅。我们通过明确计算石墨烯的最大立方IFC和热导率来说明我们的方法,特别是对于其表现出极大的非谐位移和热导率贡献的平面外(弯曲)模式。我们的计算石墨烯不仅表现出合理的协议与既定的DFT结果,但也提出了一个教学的机会,引入一个优雅的分析处理的Grüneisen参数的通用两带模型。我们的方法可以很容易地扩展到更复杂的晶体材料与非平凡的非谐晶格效应。
2017-06-21 cond-mat.mtrl-sci physics.comp-ph quant-ph
Hyperparameter Optimization and Force Error Correction of Neuroevolution Potential for Predicting Thermal Conductivity of Wurtzite GaN
针对机器学习驱动的分子动力学模拟低估纤锌矿GaN等高热导率材料热导率的问题,本研究优化神经进化势(NEP)超参数并实施力误差校正方法,准确预测其室温热导率为259 W/m-K,为宽带隙半导体热管理提供支持。
2025-02-13 cond-mat.mes-hall cond-mat.mtrl-sci
Extremely High Thermal Conductivity of Aligned Polyacetylene Predicted using First-Principles-Informed United-Atom Force Field
聚合物的分子模拟依赖于精确的力场来描述原子间的相互作用。在这项工作中,我们使用第一性原理密度泛函理论(DFT)计算参数化的聚乙炔(PA),一个共轭聚合物的潜在的高热导率的联合原子力场。对DFT中不同的电子相关泛函进行了测试。明确描述了共轭聚合物主链中交替的单键和双键的键合相互作用,并分别对II类非谐函数进行了参数化。键角和二面角的相互作用也是非谐的,并对DFT能量表面参数化。利用所建立的力场进行分子动力学(MD)模拟,计算了PA单链和不同模拟畴长的PA晶体的热导率。结果表明,PA分子链和晶体的热导率都很高,且具有长度依赖性。在790 nm处,它们各自的热导率值为~480 Wm-1 K-1和~320 Wm-1 K-1,这相对高于聚乙烯(PE)的热导率,聚乙烯是迄今为止测量的最导热的聚合物纤维。
2020-09-29 cond-mat.mes-hall cond-mat.mtrl-sci physics.app-ph
Density dependence of thermal conductivity in nanoporous and amorphous carbon with machine-learned molecular dynamics
本研究利用机器学习势驱动的分子动力学模拟,揭示了纳米多孔碳与无定形碳热导率分别呈线性、超线性密度依赖的规律,阐明了杂化结构与结构有序度的调控机制,为热管理材料设计提供理论支撑。
2024-12-12 cond-mat.mtrl-sci
Force and heat current formulas for many-body potentials in molecular dynamics simulation with applications to thermal conductivity calculations
我们推导了多体势如Tersoff势、Brenner势和Stillinger-Weber势的原子间力和热流的表达式,这些势广泛应用于共价键合材料的分子动力学模拟。虽然这些势具有多体性质,但遵循牛顿第三定律的成对力表达式可以在不涉及势的任何分区的情况下找到。基于该力公式,可以明确地定义适用于周期系统的应力。力的公式,然后可以用来推导热流公式使用自然电位分割。我们的热流公式被发现是相当于大多数的看似不同的热流公式在文献中使用,但偏离应力为基础的公式来自两体势。我们验证我们的配方数值上描述的Tersoff势,即三维硅和金刚石,二维石墨烯,和准一维碳纳米管的各种系统。在模拟中使用的细胞大小和时间的影响进行了检查。
2015-03-23 cond-mat.mes-hall cond-mat.mtrl-sci physics.comp-ph
Nuclear quantum effects in the thermal conductivity of solid hydrogen
University of Oxford(牛津大学)
该研究结合路径积分与晶格动力学方法,明确核量子效应等因素对固态仲氢热导率的关键作用,揭示低温下热输运由集体弛豫子模式主导,为量子晶体热输运研究提供了重要依据。
2026-09-07 cond-mat.mtrl-sci physics.chem-ph physics.comp-ph
Learned Force Fields Are Ready For Ground State Catalyst Discovery
DeepMind(深度思维);Imperial College London(伦敦帝国理工学院);Harvard University(哈佛大学);Massachusetts Institute of Technology(麻省理工学院)
我们提出的证据表明,学习密度泛函理论("DFT“)力场准备基态催化剂的发现。我们的关键发现是,松弛使用的力量从一个学习的潜力产生类似或更低的能量结构,以那些放松使用RPBE功能在超过50%的评估系统,尽管预测的力量显着不同的地面真相。这具有令人惊讶的含义,即学习的潜力可能已经准备好在具有挑战性的催化系统中取代DFT,例如在Open Catalyst 2020数据集中发现的那些。此外,我们表明,在局部谐波能量表面上训练的力场具有与目标DFT能量相同的最小值,在超过50%的情况下也能够找到更低或相似的能量结构。这种“易势”比训练真实能量和力的标准模型收敛的步骤更少,这进一步加快了计算速度。它的成功说明了一个关键点:即使模型具有高力误差,学习势也可以定位能量最小值。结构优化的主要要求是简单地说,学习潜力有正确的最小值。由于学习的潜力是快速和规模与系统的大小呈线性关系,我们的研究结果打开了快速找到大型系统的基态的可能性。
2022-09-26 cond-mat.mtrl-sci cs.LG physics.comp-ph
Computational uncertainties in lattice thermal conductivity prediction of crystalline solids
IIT Bombay(印度理工学院孟买分校)
本文系统评估了50种半导体晶格热导率预测中BTE求解器、DFT软件包、交换关联泛函及机器学习力场所引入的计算不确定性,发现求解器和软件包误差较小,而泛函差异超过20%,并指出基础机器学习模型仅适用于粗筛。
2025-09-18 cond-mat.mes-hall cond-mat.mtrl-sci physics.comp-ph
Electrical conductivity of carbon nanofiber reinforced resins: potentiality of Tunneling Atomic Force Microscopy (TUNA) technique
环氧树脂纳米复合材料能够满足迫切的工业要求,在结构材料领域已经开发和表征。Tunnel原子力显微镜(TUNA),这是能够检测超低电流范围从80 fA到120 pA,被用来关联的局部形貌与电气性能的四缩水甘油基亚甲基二苯胺(TGMDA)环氧树脂纳米复合材料在低浓度的碳纳米纤维(CNFs)范围从0.05%到2%重量。结果表明,TUNA技术在识别CNF/树脂中的导电通路方面具有独特的能力,即使不改变用于产生与地面的电接触的常规处理的形态。
2018-03-14 cond-mat.mtrl-sci physics.app-ph
The energetics of force errors in machine-learned molecular dynamics
Beihang University(北京航空航天大学);McGill University(麦吉尔大学);Nanoacademic Technologies Inc.(纳米学术技术有限公司)
本文提出方向性残余功系数,用于量化机器学习分子动力学中力误差的能量效应,并在锂电解质界面验证,为势评估提供物理基础。
2026-09-10 cond-mat.mtrl-sci physics.comp-ph
Correcting force error-induced underestimation of lattice thermal conductivity in machine learning molecular dynamics
本文定量分析了机器学习势(NEP)中力拟合误差导致晶格热导率被低估的机制,并提出通过Langevin恒温器引入不同水平力噪声并外推至零力误差极限的修正方法,在多种材料宽温区取得与实验一致的结果。
2024-05-27 cond-mat.mes-hall cond-mat.mtrl-sci
First-principles quantitative prediction of the lattice thermal conductivity in random semiconductor alloys: the role of force-constant disorder
对半导体合金的晶格热导率$κ_{\ell}$的标准理论理解假定质量无序是声子散射的最重要来源。与此相反,我们表明,迄今为止被忽视的贡献的力常数(IFC)的障碍是必不可少的准确预测的$κ_{\ell}$的极性化合物,其特征在于一个复杂的原子尺度结构。我们发展了一种基于特殊的准随机结构和格林函数的\emph{ab initio}方法,并包括IFC无序的作用,并应用它来计算$\mathrm{In_{1-x}Ga_xAs}$和$\mathrm{Si_{1-x}Ge_x}$合金的$κ_{\ell}$。我们发现,虽然对于$\mathrm{Si_{1-x}Ge_x}$,声子合金散射主要由质量无序,对于$\mathrm{In_{1-x}Ga_xAs}$,IFC无序的列入是基本的,以准确地再现实验观察到的$κ_{\ell}$。由于大多数III-V族和II-VI族随机半导体合金都存在复杂的原子尺度结构,因此我们希望我们的方法适用于广泛的材料。
2017-12-07 cond-mat.mtrl-sci
Conductivity of DNA probed by conducting-atomic force microscopy: effects of contact electrode, DNA structure, surface interactions
我们用导电原子力显微镜研究了DNA分子的导电性,作为基底表面的化学性质,电接触的性质和DNA分子的数量(从几个分子到包含多达106个分子的绳索和大纤维)的函数。独立于表面的化学性质(疏水或亲水,电中性或带电),我们发现DNA是高电阻的。从大量的电流-电压曲线测量沿DNA的几个距离,我们估计的电导率约为10-6-10-5 S·cm-1/DNA分子。对于单个DNA分子,这种高电阻行为与其表面上的扁平构象(与其标称值~2.4 nm相比,厚度减小,~0.5-1.5 nm)相关。我们发现在DNA和金属电极之间插入有机半导体缓冲膜提高了接触的可靠性,而直接金属蒸发通常会破坏DNA并阻止任何电流测量。在真空或干燥氮气下长时间暴露后,电导率强烈降低,从而得出结论,DNA水合壳中的水分子和离子起主要作用。
2004-05-24 cond-mat.mtrl-sci cond-mat.soft
Ge/Si(001) Heterostructures with Quantum Dots: Formation, Defects, Photo-Electromotive Force and Terahertz Conductivity
本文在高分辨STM和原位RHEED研究的基础上,讨论了Ge/Si(001)润湿层上Ge hut团簇的低温成核和生长问题。本文给出了Ge/Si异质结构的高分辨透射电镜研究数据,重点是低温形成完美的多层膜。探索含Ge量子点的Si p-i-n结构中的光伏效应,为红外探测器的设计提供了一种新的途径。首次报道了Ge/Si(001)异质结在5 ~ 300 K温度区间和6 T磁场下的THz动态电导率数据。
2012-03-26 cond-mat.mtrl-sci
A moment tensor potential for lattice thermal conductivity calculations of alpha and beta phases of Ga2O3
本文将MTP用于α和β相Ga2O3的晶格热导率计算,并强调主动学习可在中等规模训练集上构建稳健、精确的原子间势。
2024-02-29 cond-mat.mtrl-sci physics.comp-ph
Critical Assessment of Mass and Lattice Disorder in Thermal Conductivity Prediction for Medium and High Entropy Ceramics
本研究建立了晶格无序与力常数无序的关系,并借鉴Klement方程开发模型,定量评估中高熵陶瓷无序与热导率的关系,经岩盐和烧绿石氧化物验证,为TBC材料快速筛选提供预测工具。
2024-05-23 cond-mat.mtrl-sci
Fast Ultrahigh-Density Writing of Low Conductivity Patterns on Semiconducting Polymers
对改善数据存储、分子电子学和光电子学的局限性的特殊兴趣促进了用于在微米和纳米尺度上图案化聚合物的技术的不断增加的数量的发展。他们中的大多数依赖于原子力显微镜热或静电诱导质量传输,从而创建地形特征。在这里,我们表明,机械相互作用的原子力显微镜的尖端与表面的一类共轭聚合物产生局部增加的分子无序,诱导局部降低的半导体电导率,不相关的可检测的修改的表面形貌。这种现象允许以超过20 $μm s^{-1}$的前所未有的速度在聚合物表面上快速产生低电导率图案;路径具有尖端尺寸(20 nm)量级的分辨率,并且通过导电原子力显微镜尖端在电导率图中检测。
2014-06-04 cond-mat.mtrl-sci
In-situ force microscopy to investigate fracture in stretchable electronics: insights on local surface mechanics and conductivity
可拉伸导体对于新兴技术至关重要,例如可穿戴电子产品,低侵入性生物电子植入物或机器人软致动器。他们的发展的一个关键问题是关于应力-应变循环过程中的缺陷形成和断裂的导电通路的理解。在这里,我们提出了一种新的原子力显微镜(AFM)的方法,提供多通道图像的表面形态,电导率和弹性模量在样品变形。为了开发的方法,我们详细研究了原子力显微镜针尖和拉伸,独立的薄膜样品之间的机械相互作用。我们的研究结果揭示了避免与样本弯曲模式或共振激发相关的伪影的条件。作为一个例子,我们分析了应变效应的薄金膜沉积在软硅衬底上。我们的技术允许观察拉伸应变过程中微裂纹开口的细节及其对局部电流传输和表面力学的影响。我们发现,虽然膜断裂成单独的片段,在较高的应变电流传输是持续的隧穿机制。局部缺陷的形成及其与局部电导率的相关性的微观观察将提供新的见解,以设计更坚固和抗疲劳的可拉伸导体。
2022-02-21 cond-mat.mtrl-sci cond-mat.soft physics.app-ph
Elastic moduli and thermal conductivity of quantum materials at finite temperature
提出基于非谐晶格动力学和玻尔兹曼输运方程的方法,结合TDEP与机器学习哈密顿量,计算量子材料有限温度下的弹性模量和热导率,在50-1200K硅上验证有效。
2024-09-18 cond-mat.mtrl-sci
Domain Wall Conductivity in Oxygen Deficient Multiferroic YMnO3 Single Crystals
用导电原子力显微镜和压电响应力显微镜研究了缺氧多铁性YMnO_3单晶中畴壁的输运性质。畴壁在电场中极化后表现出显著增强的电导,这可能是由畴壁处的氧空位有序化引起的。电子传导可以通过肖特基发射和Fowler-Nordheim隧穿机制来理解。研究结果表明,通过对极化场中有序氧空位的调控,可以实现对畴壁电导的能带结构工程调控。
2012-01-05 cond-mat.mtrl-sci
Temperature dependent ferroelectricity in strained KTaO3 with machine learned force field
University of Vienna(维也纳大学);Shanghai University(上海大学)
本研究结合密度泛函理论与即时机器学习力场辅助的随机自洽谐近似,探究0%-1%面内单轴/双轴应变对本征KTaO₃铁电性的影响,获得了300K内的铁电极化,为应变工程铁电材料研究提供指导。
2025-10-30 cond-mat.mtrl-sci physics.comp-ph
Anisotropic pressure response of thermal conductivity in crystalline polytetrafluoroethylene
McGill University(麦吉尔大学)
该研究采用SMRTA结合第一性原理,揭示了正交晶系III型PTFE在不同压力下热导率的各向异性压力响应,明确了链轴与横向热导率的变化规律及物理机制。
2026-10-14 cond-mat.mes-hall cond-mat.mtrl-sci
Lattice thermal conductivity of ZrSe2 based on the anharmonic phonon approach and on-the-fly machine learning force fields
本文采用力场分子动力学与玻尔兹曼输运方程结合的混合方法,并利用即时机器学习力场,计算了ZrSe2的晶格热导率,发现其随温度衰减快于1/T标度,并准确描述了非谐声子相互作用。
2024-01-08 cond-mat.mtrl-sci
Lattice thermal conductivity of pristine and doped (B,N) Graphene
本文研究了硼和氮掺杂对石墨烯声子诱导热导率的影响。这项研究是重要的,当人们必须评估的B和N掺杂的石墨烯的电子性质的有用性。我们已经通过采用密度泛函微扰理论(DFPT)来计算原始/掺杂石墨烯的原子间力=力常数进行了计算。利用线性化的玻尔兹曼输运方程(LBTE),在单模弛豫时间近似(RTA)下,计算了材料的热导率。已经发现原始石墨烯的热导率在100 K下为4000 W/mK的量级,其随着温度的升高而逐渐降低。当B掺杂量为12.5%时,热导率急剧下降96%至190 W/mK,当B掺杂量为25%时,热导率下降99%至30 W/mK。当石墨烯掺杂有N时,对于12.5%和25%的掺杂浓度,热导率分别降低至4 W/mK和55 W/mK。我们已经发现掺杂的石墨烯的热导率对温度变化的敏感性较低。还表明,石墨烯的热导率可以通过掺杂来调节,并且对掺杂浓度具有很强的依赖性。
2020-08-28 cond-mat.mtrl-sci
Superfolded configuration induced low thermal conductivity in two-dimensional carbon allotropes revealed via machine learning force constant potential
本研究结合声子BTE与机器学习力常数势,揭示二维sp2碳同素异形体的面内/面外折叠通过对称性破缺抑制声子输运,从而导致低热导率。
2024-01-28 cond-mat.mtrl-sci
Machine-Learned Force Fields for Lattice Dynamics at Coupled-Cluster Level Accuracy
Institute of Theoretical Physics, Technical University of Vienna(维也纳技术大学理论物理研究所);Faculty of Physics and Center for Computational Materials Science, University of Vienna(维也纳大学物理系和计算材料科学中心)
本文研究了基于近似密度泛函理论和耦合簇水平势能面训练的机器学习力场,通过计算声子色散关系和振动密度态与实验和参考ab initio结果进行比较,验证了其在碳金刚石和锂氢固体中的准确性和精度,并探讨了通过耦合簇与密度泛函结果差异的delta学习方法和带电意识的机器学习力场方法。
2026-05-20 cond-mat.mtrl-sci cs.LG physics.comp-ph
Anisotropic and high thermal conductivity in monolayer quasi-hexagonal fullerene: A comparative study against bulk phase fullerene
最近,已经制造了一种称为准六方相富勒烯(QHPF)的新型二维(2D)C $_{60}$基晶体,并证明其是2D电子器件的有希望的候选者[Hou等人,Nature 606,507-510(2022)]。我们构建了一个准确和可转移的机器学习势来研究这种材料的热传输和相关性质,并与面心立方体相富勒烯(BPF)进行了比较。利用均相非平衡分子动力学和相关的谱分解方法,我们发现QHPF的热导率是各向异性的,在300 K时,平行于环加成键方向的热导率为137(7)W/mK,垂直于面内方向的热导率为102(3)W/mK.相比之下,BPF中的热导率是各向同性的并且仅为0.45(5)W/mK。我们发现,在QHPF中的分子间共价键起着至关重要的作用,在提高QHPF的导热系数相比,在BPF。在这项工作中所表征的热传输特性将是有用的QHPF作为新型的二维电子器件的应用。
2023-02-09 cond-mat.mtrl-sci physics.comp-ph
Tracing Ion Migration in Halide Perovskites with Machine Learned Force Fields
针对卤化物钙钛矿器件中带电缺陷迁移引发的性能问题,研究以CsPbI₃为对象训练机器学习力场,模拟不同电荷态卤化物缺陷的扩散特性,明确了各类缺陷的迁移速率差异。
2025-05-19 cond-mat.mtrl-sci
Phase Transitions of Zirconia: Machine-Learned Force Fields Beyond Density Functional Theory
我们提出了一种方法来产生机器学习力场(MLFF)与超越密度泛函理论(DFT)的准确性。我们的方法结合了动态主动学习和$Δ$ -机器学习,以便基于随机相位近似(RPA)生成氧化锆的MLFF。具体地,在基于DFT的分子动力学模拟期间实时训练的MLFF由另一个MLFF校正,该另一个MLFF在RPA和DFT计算的能量、力和应力张量之间的差异上训练。由于差异的相对平滑的性质,仅在小单位单元的少量代表性结构上执行昂贵的RPA计算。这些结构是由具有低空间分辨率的核矩阵的奇异值分解秩压缩确定的。这大大降低了计算成本,使我们能够生成一个MLFF完全能够再现高层次的量子力学计算超越DFT。我们仔细验证我们的方法,并证明其成功地研究氧化锆的相变。
2021-09-13 cond-mat.mtrl-sci
$α$-$β$ phase transition of zirconium predicted by on-the-fly machine-learned force field
在有限的温度下的固-固结构相变的准确预测是一项具有挑战性的任务,因为动力学是如此之慢,直接模拟的相变的第一原理(FP)方法通常是不可能的。在这里,我们研究的$α$相变的锆在环境压力下的飞行机器学习的力场。这些是在FP分子动力学(MD)模拟过程中自动生成的,无需人为干预,同时几乎保持FP的准确性。我们的分子动力学模拟成功地再现了一阶位移性质的相变,这是表现为突然跳跃的体积和合作位移的原子在相变温度。通过模拟X射线粉末衍射进一步验证了该相变过程,预测的相变温度与实验结果吻合较好。此外,我们表明,使用奇异值分解和伪逆的设计矩阵一般提高了机器学习力场相比,通常在正则化贝叶斯回归平方矩阵的逆。
2021-05-24 cond-mat.mtrl-sci
Turning Insulators into Accelerators: Deciphering the Interfacial Conductivity Boost in ZrO2-Li2ZrCl6 Composites through Machine Learning Molecular Dynamics Simulations
Suzhou Laboratory(苏州实验室)
通过机器学习分子动力学模拟揭示ZrO2-Li2ZrCl6复合材料界面导电性提升的原子机制,指导固态电池电解质设计。
2026-01-30 cond-mat.mtrl-sci
Validation of the Wiedemann-Franz Law in solid and molten tungsten above 2000 K through thermal conductivity measurements via steady state temperature differential radiometry
通过稳态温度差分辐射法测量2000 K以上固态和液态钨的热导率,验证了维德曼-弗朗兹定律在液态金属中的适用性,并借助机器学习势的从头算模拟确认振动贡献可忽略。
2023-09-03 cond-mat.mtrl-sci
Atomic cluster expansion force field based thermal property material design with density functional theory level accuracy in non-equilibrium molecular dynamics calculations over sub-million atoms
本文以Si为例,利用原子簇展开力场在超过10万原子的非平衡分子动力学模拟中实现DFT级精度的晶格热导率计算,偏差小于5%,验证了机器学习力场用于大规模热输运研究的可行性。
2023-09-20 cond-mat.mtrl-sci
From Energy-Force Weighting to Primal-Dual Optimization of Machine-Learned Interatomic Potentials
School of Mathematical Sciences, Institute of Natural Sciences and MOE-LSC, Shanghai Jiao Tong University(上海交通大学数学科学学院、自然科学研究院和教育部线性科学中心);Department of Mathematics, National University of Singapore(新加坡国立大学数学系)
针对机器学习原子间势的能量-力平衡问题,提出力约束拟合方法,通过原对偶优化替代权重选择,在多个体系上实现6.7-8.9倍加速并改善模型选择。
2026-10-02 cond-mat.mtrl-sci physics.chem-ph physics.comp-ph
Accelerating first-principles estimation of thermal conductivity by machine-learning interatomic potentials: A MTP/ShengBTE solution
从实验和理论的角度来看,准确评估材料的热导率可能是一项具有挑战性的任务。特别是对于纳米结构材料,热导率的实验测量与不同来源的不确定性有关。作为一种可行的替代实验,结合密度泛函理论(DFT)模拟和玻尔兹曼输运方程的解决方案,目前被认为是最值得信赖的方法来研究热导率。上述方法的主要瓶颈是使用计算要求高的DFT计算获得非谐原子间力常数。在这项工作中,我们提出了一个大大加快的方法,通过采用机器学习原子间势(MLIPs)训练过短从头分子动力学轨迹的非谐原子间力常数的评估。建议的加速方法的显着的准确性被确认通过比较估计的几个散装和二维材料的热导率与全DFT方法计算的。在这项研究中提出的MLIP为基础的方法可以作为一个标准的工具,这将大大加快和方便的晶格热导率的估计相比,常用的全DFT解决方案。
2020-09-06 cond-mat.mtrl-sci
Machine-Learned Atomic Cluster Expansion Potentials for Fast and Quantum-Accurate Thermal Simulations of Wurtzite AlN
Tsinghua University(清华大学);University of Oxford(牛津大学)
本文基于原子簇展开框架开发了机器学习原子间势,用于快速且量子精度地模拟纤锌矿AlN的声子输运与热导率,并揭示了双轴应变对其热导率的重要调控作用。
2024-01-21 cond-mat.mtrl-sci cs.LG physics.comp-ph
Modelling complex proton transport phenomena -- Exploring the limits of fine-tuning and transferability of foundational machine-learned force fields
Technische Universität Ilmenau(伊尔梅瑙工业大学)
本研究利用MACE力场模拟固体酸的质子传输,通过微调和多纳秒级MD模拟,实现了与实验数据一致的扩散系数和活化能结果。
2025-01-08 cond-mat.mtrl-sci physics.chem-ph physics.comp-ph
Predicting ionic conductivity in solids from the machine-learned potential energy landscape
National University of Singapore(新加坡国立大学);Institute for Functional Intelligent Materials(功能智能材料研究所);Centre for Advanced 2D Materials(先进二维材料中心);HSE University(俄罗斯高等经济大学);Faculty of Computer Science(计算机科学学院);Yale-NUS College(耶鲁-新加坡大学学院);Department of Materials Science Engineering(材料科学与工程系);Department of Physics(物理系);Constructor Knowledge Labs;Constructor University
本研究针对传统超离子材料计算筛选方法效率低的问题,提出基于通用原子间势与启发式结构描述符的快速筛选方法,在含锂材料筛选中准确率高且速度远超现有分子动力学方法。
2025-04-14 cond-mat.mtrl-sci cs.LG
Temperature-dependent anharmonic phonons in quantum paraelectric KTaO$_3$ by first principles and machine-learned force fields
从第一性原理理解量子材料中的集体现象是根据需求设计材料性能和设计新功能的一条有前途的途径。这项工作研究了量子顺电态,一个难以捉摸的状态的物质的特点是在低温下,由于量子波动与非谐声子效应的铁电不稳定性的平滑饱和。通过结合密度泛函理论(DFT)计算和随机自洽谐波近似,利用机器学习力场,模拟了0-300 K范围内量子顺电KTaO $_3$中软铁电声子模随温度的演化.计算结果表明,非简谐项的加入对稳定DFT预测的赝虚铁电声子是必要的,与实验结果一致。用机器学习的力场增强DFT工作流程允许在广泛而密集的温度范围内使用大型超晶胞对构型空间进行有效的随机采样,这是传统从头算协议无法实现的。这项工作提出了一个强大的计算工作流程,能够占集体行为涉及不同的自由度和发生在大的时间/长度尺度,铺平了道路,精确建模和控制材料中的量子效应。
2022-09-24 cond-mat.mtrl-sci
Thermal conductivity of 3C-SiC from configuration space sampling
本研究针对立方碳化硅热导率计算问题,改进了高效构型空间采样HECSS技术,用目标分布加权替代原马尔可夫链采样机制,提升了计算效率,且方法准确性经文献实验结果验证。
2025-06-18 cond-mat.mtrl-sci cond-mat.other cond-mat.stat-mech
Accurate prediction of thermal conductivity of Al2O3 at ultrahigh temperatures
针对高温下复杂晶体晶格热导率偏离传统1/T衰减趋势的问题,本研究通过考虑多类声子散射与有限温度修正,精准预测了Al₂O₃从室温到近熔点的热导率,明确了不同温度下各贡献组分的占比及相关效应的影响,还验证了Green-Kubo MD的适用性。
2023-12-18 cond-mat.mtrl-sci
Thermal conductivity of h-BN monolayers using machine learning interatomic potential
热管理材料对于工程小型化电子设备至关重要,其中这种材料的理论设计需要评估热导率,这在数值上是昂贵的。在这项工作中,我们应用最近开发的机器学习原子间相互作用势(MLIP)来评估六方氮化硼单层的热导率。MLIP是使用高斯近似势(GAP)的方法,得到的晶格动力学性质和热导率进行了比较,从显式冻结声子计算。结果表明,基于约30%代表性构型的MLIP可以获得精确的热导率,高阶力常数比谐波近似提供了更可靠的MLIP质量基准。
2020-12-14 cond-mat.mtrl-sci
Unveiling the delicate "hidden" interface conditions in WS2 flakes by advanced atomic force microscopy
Key Laboratory of Quantum State Construction and Manipulation (Ministry of Education), Renmin University of China(中国人民大学量子态构建与操控教育部重点实验室);Beijing National Laboratory for Condensed Matter Physics, Institute of Physics, Chinese Academy of Sciences(中国科学院物理研究所北京凝聚态物理国家实验室);Experimental High School Attached to Beijing Normal University(北京师范大学附属实验中学);Department of Applied Physics, Gradual School of Engineering, Osaka University(大阪大学大学院工学研究科应用物理系);Tyndall National Institute, University college Cork(科克大学学院廷德尔国家研究所)
本文结合DH-EFM与sMIM揭示应变工程WS2薄片中面内应变与面外键合条件的耦合关系,发现针尖加载力诱导的动态皱褶效应可解释电导率测量矛盾,为界面工程器件提供基础见解。
2025-11-07 cond-mat.mtrl-sci
Machine learned Force-Fields for an ab-initio Quality Description of Metal-Organic Frameworks
本文提出两种机器学习力场参数化方案,在接近DFT精度下高效描述MOFs的结构、力学、声子及热导率等性质,计算成本仅略高于传统简单力场。
2023-08-03 cond-mat.mtrl-sci
On Simulating Thin-Film Processes at the Atomic Scale Using Machine Learned Force Fields
Synopsys Denmark ApS(Synopsys丹麦公司);Synopsys India Pvt. Ltd.(Synopsys印度有限公司)
本文提出高效构建机器学习力场(MLFF)的方法以模拟薄膜过程,并通过HfO2原子层沉积和MoS2原子层刻蚀两个实例验证了其在原子尺度工业过程模拟中的有效性。
2025-05-02 cond-mat.mtrl-sci cs.LG
Cyclic and helical symmetry-informed machine learned force fields: Application to lattice vibrations in carbon nanotubes
本研究提出具备循环与螺旋对称性的机器学习力场构建框架,经碳纳米管验证达到从头算精度,可高效研究相关纳米结构的晶格振动特性。
2024-08-14 cond-mat.mes-hall cond-mat.mtrl-sci physics.comp-ph
Rotational Quantum Friction
本文研究了由于量子涨落作用于在表面附近旋转的小球上所产生的摩擦力。在零温度下,我们发现表面附近的摩擦力比在真空中旋转的球的摩擦力大几个数量级。对于具有典型导电性的金属材料,通过使旋转频率与导电性匹配来使量子摩擦最大化。导电性差的材料有利于获得大的量子摩擦。对于能够支持表面等离子体激元的半导体材料,由于表面等离子体激元的激发,量子摩擦可以进一步增强几个数量级。
2012-09-25 cond-mat.mtrl-sci quant-ph
Complexity of Many-Body Interactions in Transition Metals via Machine-Learned Force Fields from the TM23 Data Set
该研究用 FLARE 与 NequIP 对比 TM23 中过渡金属的力、能量和应力预测,揭示早期过渡金属因费米能级附近尖锐 d 态密度而具有更复杂势能面,并提供基准数据集。
2023-09-26 cond-mat.mtrl-sci physics.app-ph physics.chem-ph
FourPhonon: An extension module to ShengBTE for computing four-phonon scattering rates and thermal conductivity
FourPhonon是一个计算软件包,可以计算晶体中的四声子散射率。它是建立在ShengBTE框架,这是一个公认的晶格热导率求解器的基础上玻尔兹曼输运方程。采用自适应能量展宽方法计算了四声子散射率。与ShengBTE中的$thirdorder.py$类似,我们还提供了一个单独的Python脚本$Fourthorder.py$来计算四阶原子间力常数。扩展模块保留了ShengBTE的所有优秀功能,包括良好的并行性和简单的工作流程。本文讨论了Si、BAs和$\mathrm{LiCoO_2}$的一般理论、程序设计和实例计算。
2021-04-11 cond-mat.mtrl-sci
Predicting the lattice thermal conductivity of solids by solving the Boltzmann transport equation: AFLOW - AAPL an automated, accurate and effcient framework
计算晶格热导率的最精确的方法之一,$κ_l$,是从三阶非谐力常数开始求解玻尔兹曼输运方程。除了从头算参数化的基本近似之外,这条路径还面临着两个主要挑战:高计算成本和缺乏自动化,影响了具有特殊性质的新材料的发现率。在这里,我们提出了自动非谐声子库,AAPL。它通过有效利用晶体对称性分析来有效地计算原子间力常数,求解玻尔兹曼输运方程以获得$κ_l$,并允许以最小的用户干预进行完全集成的操作,这是对当前高通量加速材料开发框架AFLOW的合理补充。我们展示了一个“实验与理论”的方法研究,我们比较精度和速度相对于其他可用的软件包,并为材料的特点是强电子本地化和相关性,我们证明,它是可能的,以提高精度,而不增加计算要求相结合的AAPL与伪混合功能ACBN 0。
2016-11-16 cond-mat.mtrl-sci
Uncertainty quantification in first-principles predictions of phonon properties and lattice thermal conductivity
我们提出了一个框架,用于量化的不确定性,从选择的交换相关(XC)功能的声子性质和热导率的预测,使用密度泛函理论(DFT)计算原子力常数。BEEF-vdW XC泛函的能量系综能力首先应用于确定原子间力常数的系综,然后将其用作晶格动力学计算的输入和玻尔兹曼输运方程的解。该框架适用于同位素纯硅。我们发现,不确定性估计约束属性预测(例如,声子色散,比热,热导率)从其他XC泛函和实验。我们区分与预测的热导率相关的性质[例如,横向声学分支声速($R^2=0.89$)和平均Grüneisen参数($R^2=0.85$)]和那些不是[例如,纵向声学分支声速($R^2=0.23$)和比热($R^2=0.00$)]。我们发现,系综预测的热导率的差异与声子的行为与平均自由程之间的$100$和$300$ nm。该框架系统地占XC声子计算的不确定性,并应使用每当它被怀疑的XC功能的选择影响物理解释。
2020-05-12 cond-mat.mtrl-sci physics.chem-ph
Finite-Temperature Ferroelectric Phase Transitions from Machine-Learned Force Fields
Norwegian University of Science and Technology(挪威科技大学)
本研究利用在线训练生成的机器学习力场开展分子动力学模拟,仅以0 K基态结构为输入,即可定性预测四种典型铁电氧化物的主要结构相与相变,并分析了交换关联泛函对定量结果的影响及该方法的潜力与局限。
2025-10-29 cond-mat.mtrl-sci
Delta-learned force fields for nonbonded interactions: Addressing the strength mismatch between covalent-nonbonded interaction for global models
Instituto de Física, Universidad Nacional Autónoma de México(物理研究所,墨西哥国立自治大学)
针对全局机器学习力场中共价与非键相互作用强度不匹配问题,提出Δ-sGDML框架,通过解耦分子内与分子间物理,在多片段体系中显著降低力误差并保持稳定。
2025-11-01 cond-mat.mtrl-sci cs.LG physics.chem-ph
Piezo- and pyroelectricity in Zirconia: a study with machine learned force fields
在基于ZrO 2和HfO 2的薄膜中发现的非常大的压电和热释电效应为开发硅兼容的传感器和执行器器件开辟了新的机会。的影响被放大接近的极性正交到四相相变温度。分子动力学是模拟这种效应的首选技术,尽管它的应用必须解决原子间力场的足够准确性和足够效率之间的困境。在这里,我们提出了一个基于深度神经网络的ZrO2原子间力场,它是使用深势框架中的系统学习程序从从头算数据中学习的。模型势被验证预测的各种结构和动力学性能的准确性与密度泛函理论计算。然后利用深势模型,通过分子动力学计算再现了ZrO2的不同热膨胀和压电、热释电现象。在低温下模拟直接效应,我们发现负值的压电和热释电系数匹配从头计算。接近相变温度时,这些值保持为负值并变大。模拟以上的相变温度的场诱导效应,我们发现积极的,巨大的压电系数相匹配的意见。该模型是能够解释的大值和符号的实验观察有关的极性正交四相相变。该模型进一步解释了最近在类似系统中观察到的巨介电常数。
2022-06-01 cond-mat.mtrl-sci