日前，《自然-電子學》（Nature Electronics）在線發(fā)表了西安交通大學與牛津大學的合作論文“Device-scale atomistic modelling of phase-change memory materials”，同時期刊編輯在Research Briefing專欄對該文章進行了專題推薦。

為了解決該問題，西安交通大學金屬材料強度國家重點實驗室材料創(chuàng)新設計中心張偉教授和牛津大學化學系Volker L. Deringer教授通力合作，利用先進的機器學習方法并基于高斯近似勢能GAP框架，開發(fā)了一個適用于鍺銻碲合金的機器學習勢能函數(shù)（Machine-Learned potential）。該勢能函數(shù)兼具傳統(tǒng)力場的計算效率和量子力學的計算精度，能夠準確描述偽二元線上的任意組分的鍺銻碲合金的復雜結構特征以及可逆相變過程。同時，團隊考慮了結構相變引起的密度變化、脈沖產(chǎn)生的溫度梯度、電場作用下的離子遷移過程以及結構弛豫等影響，使得原子模擬更加接近相變器件真實的服役過程。團隊實現(xiàn)了三維堆疊芯片相變單元擦除過程所涉及的脈沖誘導熔化過程的原子模擬，該方法具有非常高的擴展性，可模擬器件界面對相變過程的影響，有助于進一步優(yōu)化器件的尺寸與結構。

目前，該工作所得到的所有數(shù)據(jù)庫與勢函數(shù)均已開源，開源數(shù)據(jù)可以在Zenodo平臺以及Alkemie平臺免費下載。


責任編輯：張言