機械学習による格子振動スペクトルを用いた欠陥の高速かつ正確な光吸収線の形状解析

科学分野:

• 物性物理学
• 量子光学
• 計算材料科学

背景:

• 固体中の欠陥の光学的特性は、宝石の着色や量子ネットワークなどの応用にとって重要です。
• 電子-格子間結合は、光遷移を記述するために不可欠ですが、第一原理計算からの算出は計算コストが高いです。

研究 の 目的:

• 固体欠陥の電子-格子間結合予測に伴う計算コストを克服すること。
• 正確な欠陥特性計算のための機械学習原子間ポテンシャルの有効性を示すこと。

主な方法:

• 機械学習原子間ポテンシャル（MLIP）を利用して、電子-格子間結合を予測しました。
• 第一原理計算からの原子緩和データを用いてMLIPを微調整しました。
• 高精度なスペクトル予測のために、ハイブリッド関数計算を採用しました。

主要な成果:

• 従来の計算手法と比較して、精度の低下は無視できる程度でした。
• MLIPの微調整には、ルーチン的な第一原理計算データで十分であることが示されました。
• Si中のTセンターにおける局所振動モード結合の微細な詳細を、発光スペクトルで解明しました。

結論:

• 機械学習原子間ポテンシャルは、欠陥の光学的特性を研究するための効率的かつ正確な代替手段を提供します。
• このアプローチにより、欠陥の振動特性に関する高レベルな理論的研究が可能になります。
• この手法は、スペクトルを正確に予測し、量子欠陥における複雑な結合現象を解明します。