Home基于机器学习势函数的声子热输运研究
Release date: 2023-11-15
Visits: 248
Source: 山东高等技术研究院
近日，山东高等技术研究院郭瑞强研究员课题组在International Journal of Heat and Mass Transfer，Physical Review Materials, Carbon Trends发表了关于机器学习势函数的系列文章。针对完美晶体和含缺陷（点缺陷、晶界）材料体系，构建了机器学习势函数并用其研究了相关体系的声子热输运特性。
热物性是材料的基本特性，对微纳电子器件热管理、热电转换、热绝缘等应用至关重要。原子尺度模拟是预测材料热物性和研究微观热输运机理的重要工具，其关键在于描述原子间相互作用的势函数。传统上，计算原子间作用力的常用手段主要包括第一性原理计算和经验势函数。基于密度泛函理论的第一性原理计算（DFT）是广泛采用的准确可靠的计算方法，其计算结果通常与实验值吻合很好，但第一性原理计算只能研究很小的体系（通常最多几百个原子）；经验势函数的计算效率高，能够模拟大规模原子系统，但其准确性较低。
近年来，机器学习在构建势函数方面大显身手，为开展准确高效的原子尺度模拟提供了新的重要手段。机器学习势函数计算精度与DFT相当，计算成本能够比DFT低几个数量级。近日，山东高等技术研究院郭瑞强研究员课题组在International Journal of Heat and Mass Transfer，Physical Review Materials, Carbon Trends发表了关于机器学习势函数的系列文章。针对完美晶体和含缺陷（点缺陷、晶界）材料体系，构建了机器学习势函数并用其研究了相关体系的声子热输运特性。
论文信息
1.Jialin Tang, Guotai Li, Qi Wang, Jiongzhi Zheng, Lin Cheng*, Ruiqiang Guo*. Effect of four-phonon scattering on anisotropic thermal transport in bulk hexagonal boron nitride by machine learning interatomic potential, International Journal of Heat and Mass Transfer 2023, 207 (124011).
2.Jialin Tang, Guotai Li, Qi Wang, Jiongzhi Zheng, Lin Cheng, Ruiqiang Guo*. Competition between phonon-vacancy and four-phonon scattering in cubic boron arsenide by machine learning interatomic potential, Physical Review Materials 2023, 7 (044601).
3. Ruiqiang Guo*, Guotai Li, Jialin Tang, Yinglei Wang, Xiaohan Song. Small-data-based Machine Learning Interatomic Potentials for Graphene Grain Boundaries Enabled by Structural Unit Model, Carbon Trends 2023, 11 (100260).
