arXiv · Materials Science· Gijin Kim, Seungwu Han, Youngho Kang·· 3 天前
机器学习势函数辅助研究非晶SiO2上区域选择性原子层沉积的抑制物覆盖
From Surface Reactions to Inhibitor Coverage: A Machine-Learning-Assisted Computational Study of Area-Selective Atomic Layer Deposition
arXiv:2610.22911v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Gijin Kim, Seungwu Han, Youngho Kang
研究任务与主要进展
研究人员提出一种结合预训练通用机器学习原子间势、离位点系综蒙特卡洛模拟和表面反应分析的计算流程，用于研究非晶SiO2上的区域选择性原子层沉积。基于论文摘要，模拟显示，硅醇基是氨基硅烷及相关抑制物和金属前驱体的主要吸附位点；即使抑制物产生相同的吸附碎片，完整分子的空间位阻不同也会导致不同覆盖率。摘要还指出，吸附抑制物碎片与前驱体的反应性会进一步影响抑制物稳定性和阻塞性能。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · Materials Science · arxiv.org