【其他论文】机器学习辅助研究具有空位的 β-Ga₂O₃ 的热传输

        近期，由山东大学的研究团队在学术期刊 The Journal of Chemical Physics 发布了一篇名为 Machine learning-assisted investigation on the thermal transport of β-Ga₂O₃ with vacancy （机器学习辅助研究具有空位的 β-Ga₂O₃ 的热传输）的文章。

摘要

        β-Ga₂O₃ 是一种有前景的超宽带隙半导体，用于高功率和高频电子器件。β-Ga₂O₃ 的低热导率，可通过本征空位进一步抑制，一直是提高 β-Ga₂O₃ 功率器件性能的主要瓶颈。然而，目前仍缺乏对具有缺陷的 β-Ga₂O₃ 热传输机制的深入了解。在这项工作中，使用机器学习辅助计算方法研究了具有空位缺陷的 β-Ga₂O₃ 的热传输。首先，开发了机器学习矩张量势 (MTP)，它可以准确描述原始 β-Ga₂O₃ 的晶格动力学行为，并解决了现有计算模型在 β-Ga₂O₃ 大规模模拟中的计算效率低下的问题。然后，进一步开发 MTP 来研究具有空位的 β-Ga₂O₃ 的热传输，并通过机器学习势结合分子动力学来评估具有氧原子空位的 β-Ga₂O₃ 的热导率。结果表明，0.52% 的氧原子空位可导致 β-Ga₂O₃ [100] 方向的热导率降低 52.5%，表明空位可显着抑制热导率。最后，通过分析声子群速度、参与比和谱能量密度，证明了 β-Ga₂O₃ 中的氧原子空位导致谐波和非谐声子活动发生显着变化。这项研究的结果为 β-Ga₂O₃ 的热传输特性提供了重要的见解，并有望为基于 β-Ga₂O₃ 的功率器件的热管理提供宝贵的知识。

原文链接：

https://doi.org/10.1063/5.0237656