跳到正文
热点事件持续更新

MTP机器学习势结合第一性原理预测Ga₂O₃热导率与带隙重整化

1 篇报道1 个报道来源5 小时前更新

先了解这件事

AI 综述

Rustam Arabov等在arXiv发布论文,将矩张量势(MTP)机器学习原子间势与第一性原理计算结合,研究晶态与非晶Ga₂O₃的晶格热导率和电子—声子相互作用。基于论文摘要,晶态β-Ga₂O₃在700 K时带隙重整化约为0.45 eV,其中约0.2 eV来自零点重整化;非晶Ga₂O₃在300—700 K的晶格热导率约为0.9 W·m⁻¹·K⁻¹,比晶态β-Ga₂O₃低约一个数量级。 作者称该框架为预测微电子和光电子工作条件下半导体(晶态与非晶)性质提供了计算上可行且可靠的途径;该说法为作者声称,本站未核验全文。

AI 根据报道生成 · 3 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

10月19日
  1. arXiv · Materials Science
    机器学习势揭示晶态与非晶Ga₂O₃的热导率及带隙温度重整化

    研究作者将矩张量势(MTP)机器学习原子间势与第一性原理计算结合,研究晶态和非晶Ga₂O₃的热导率及电子—声子相互作用。基于论文摘要,晶态β-Ga₂O₃在700 K时带隙重整化约为0.45 eV,其中约0.2 eV来自零点重整化;非晶Ga₂O₃在300—700 K时晶格热导率约为0.9 W·m⁻¹·K⁻¹,约为晶态β-Ga₂O₃的一个数量级。

本事件热度走势

可比范围当前
9
可比范围峰值
910月19日 15:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。