مقاله پتانسیل تانسور لحظه ای برای محاسبات رسانایی حرارتی شبکه فازهای آلفا و بتا Ga2O3

چکیده

Calculations of heat transport in crystalline materials have recently become mainstream, thanks to machine-learned interatomic potentials that allow for significant computational cost reductions while maintaining the accuracy of first-principles calculations. Moment tensor potentials (MTP) are among the most efficient and accurate models in this regard. In this study, we demonstrate the application of MTP to the calculation of the lattice thermal conductivity of alpha and beta Ga2O3. Although MTP is commonly employed for lattice thermal conductivity calculations, the advantages of applying the active learning methodology for potential generation is often overlooked. Here, we emphasize its importance and illustrate how it enables the generation of a robust and accurate interatomic potential while maintaining a moderate-sized training dataset.

چکیده به فارسی (ترجمه ماشینی)

محاسبات حمل و نقل گرما در مواد کریستالی اخیراً به لطف پتانسیل های بین اتمی که با ماشین آموخته شده است که باعث کاهش قابل توجهی در هزینه محاسباتی می شود ، ضمن حفظ دقت محاسبات اصول اول ، به جریان اصلی تبدیل شده است.پتانسیل های تانسور لحظه ای (MTP) از این نظر کارآمدترین و دقیق ترین مدل ها هستند.در این مطالعه ، ما کاربرد MTP را در محاسبه هدایت حرارتی شبکه آلفا و بتا GA2O3 نشان می دهیم.اگرچه MTP معمولاً برای محاسبات هدایت حرارتی شبکه استفاده می شود ، اما مزایای استفاده از روش یادگیری فعال برای تولید بالقوه اغلب نادیده گرفته می شود.در اینجا ، ما بر اهمیت آن تأکید می کنیم و نشان می دهیم که چگونه می تواند ضمن حفظ یک مجموعه داده آموزشی با اندازه متوسط ، تولید یک پتانسیل متقابل قوی و دقیق را فراهم کند.