[論文レビュー] Deep Learning Inter-atomic Potential for Thermal and Phonon Behaviour of Silicon Carbide with Quantum Accuracy

Baoqin Fu, Yandong Sun+3 more|arXiv (Cornell University)|Oct 21, 2021

Thermal properties of materials参考文献 148被引用数 6

ひとこと要約

本稿では、局所密度近似（LDA）および一般化勾配近似（GGA）レベルの密度汎関数理論（DFT）データを用いてトレーニングされた、炭化ケイ素（SiC）の2つのディープラーニング原子間ポテンシャル（DP-IAPs）を提示する。これらのDP-IAPsは、格子力学およびフォノン散乱率を量子レベルの精度で予測可能であり、第一原理手法と比較して数個のオーダーの高速化を実現する高精度な分子動力学（MD）シミュレーションを、SiCにおける熱伝導および機械的性質の解析に可能にする。

ABSTRACT

Silicon carbide (SiC) is an essential material for next generation semiconductors and components for nuclear plants. It's applications are strongly dependent on its thermal conductivity, which is highly sensitive to microstructures. Molecular dynamics (MD) simulation is the most used methods to address thermal transportation mechanisms in devices or microstructures of nano-meters. However, the implementation of MD is limited in SiC because of lacking accurate inter-atomic potentials. In this work, using the Deep Potential (DP) methodology, we developed two inter-atomic potentials (DP-IAPs) for SiC based on two adaptively generated datasets within the density functional approximations at the local density and the generalized gradient levels. These two DP-IAPs manifest their speed with quantum accuracy in lattice dynamics simulations as well as scattering rate analysis of phonon transportation. Combining with molecular dynamics simulations, the thermal transport and mechanical properties were systematically investigated. The presented methodology and the inter-atomic potentials pave the way for a systematic approach to model heat transport in SiC related devices using multiscale modelling.

研究の動機と目的

• 次世代半導体および原子力応用に不可欠な炭化ケイ素（SiC）の高精度な原子間ポテンシャルの開発を目的とする。
• SiCの分子動力学（MD）シミュレーションにおいて、既存の原子間ポテンシャルの精度不足に起因する制限を克服することを目的とする。
• MDシミュレーションを用いて、SiC微細構造における熱伝導率およびフォノン挙動の信頼性の高い予測を可能にすることを目的とする。
• SiCベースデバイスにおける熱伝導のスケーラブルでマルチスケールなモデリングフレームワークを確立することを目的とする。
• ディープラーニングポテンシャルを用いて、格子力学および散乱率解析において量子レベルの精度を達成することを目的とする。

提案手法

• 局所密度近似（LDA）および一般化勾配近似（GGA）レベルの密度汎関数理論（DFT）計算から、適応的に生成されたデータセットを用いてディープポテンシャル（DP）モデルをトレーニングする。
• 多数体相互作用エネルギーを、高い精度で表現するためのディープニューラルネットワークアーキテクチャを用いる。
• 高い予測不確実性領域をサンプリングすることで、反復的にデータセットを改善するアクティブラーニングを採用する。
• フォノン分散、群速度、散乱率のDFTベンチマークに対するDP-IAPsの妥当性を検証する。
• トレーニング済みのDP-IAPsを用いて大規模な分子動力学（MD）シミュレーションを実施し、熱伝導率および機械的応答を研究する。
• DP-IAPベースのシミュレーションを通じて、フォノン平均自由行程および散乱メカニズムを分析する。

実験結果

リサーチクエスチョン

• RQ1 ディープラーニング原子間ポテンシャルは、SiCにおけるフォノン分散および散乱を量子レベルの精度で予測できるか？
• RQ2 DP-IAPsは、第一原理手法と比較して、SiCの熱伝導率をどの程度正確に再現できるか？
• RQ3 DP-IAPsが予測するフォノン輸送に微細構造が及ぼす影響は何か？
• RQ4 DP-IAPsは、スケールに応じたSiCの効率的かつ高精度な分子動力学シミュレーションを可能にするか？
• RQ5 LDAおよびGGAに基づくDP-IAPsの間で、格子力学およびフォノン散乱率にどのような差が生じるか？

主な発見

• DP-IAPsは、フォノン分散関係および群速度を量子レベルの精度で予測し、DFTベンチマークと密接に一致している。
• DP-IAPsを用いて計算されたフォノンの散乱率は、第一原理結果と優れた一致を示し、輸送解析における信頼性を裏付けている。
• DP-IAPsを用いたMDシミュレーションから導かれた熱伝導率の値は、高精度なDFTベースの予測と整合的である。
• DP-IAPsは、DFTと比較して数個のオーダーの計算効率が向上した大規模なSiCの分子動力学シミュレーションを可能にしている。
• これらのポテンシャルは、SiCにおける微細構造的要因がフォノン散乱および熱伝導に与える影響を効果的に捉えている。
• LDAおよびGGAに基づくDP-IAPsは、ほぼ同等の精度を示しており、予測されたフォノン分散および散乱率にわずかな差異が生じるにとどまる。