我校在机器学习模拟元素铁电铋单层相变、畴演变以及热导率方面取得进展

发布时间:2024-11-07浏览次数:230



近日,我校副教授张岩星与西安交通大学王大威教授合作,在国际权威物理类学术刊物Physical Review Letters 《物理评论快报》发表了题为“Machine-learning modeling of elemental ferroelectric bismuth monolayer”的研究论文。张岩星为本论文的第一作者, 河南师范大学为第一作者单位。该研究得到国家自然科学基金委资助。

2018年,Lu等人提出了一个开创性的预测:一种具有黑磷结构的二维单元素铋单层可能表现出铁电性。最近的实验证实了这一预见性的假设。这一关键发现和实验验证挑战了传统的范式,即之前将铁电性限制在多元素化合物中的观念,并引领我们迈向一个涵盖多种应用的新领域,包括高密度非易失性存储器、场效应晶体管、太阳能电池和传感器。

针对上述体系,张岩星及其合作者取得如下进展:一是采用消息传递神经网络对铋单层的势能面(PES)进行建模,并实现了小于1.2 meV/原子的误差。二是借助机器学习模型的高准确性和快速预测能力,开展了深入且大规模的原子模拟。这些探索旨在理解温度依赖的相变,特别是自由悬浮单层与受基底约束的单层之间的区别。三是通过在模拟中使用的大型系统,还能观察到这些系统内的铁电畴,并揭示其固有的晶格热导率。

(物理学院 张岩星 张浩兴)

论文链接:https://journals.aps.org/prl/accepted/1e077Y43W0810e8bf58b8a61aec89fda312b28ff3