对AlxGa1-xN合金及其热特性进行基于深度神经网络的分子动力学模拟
Xiangjun Liu1, Di Wang2, Baolong Wang2
1Institute of Micro/Nano Electromechanical System, Donghua University, Donghua University, Shanghai, 201620, CHINA.
Journal of physics. Condensed matter : an Institute of Physics journal
|September 25, 2024
概括
为AlxGa1-xN合金开发精确的深度神经网络潜力可以增强高电子流动性晶体管 (HEMT) 中的散热. 这项研究指导了复杂的半导体异构结构中的热传输研究.
科学领域:
- 材料科学 材料科学 材料科学
- 半导体物理 半导体物理
- 计算材料科学科学 计算材料科学
背景情况:
- 高效的散热对于高电子流动性晶体管 (HEMT) 的性能和寿命至关重要.
- 材料的热导率和界面热导率 (ITC) 是热管理中的关键因素.
- 准确预测AlxGa1-xN合金和GaN/AlxGa1-xN接口的热性能对于HEMT设计至关重要.
研究的目的:
- 为AlxGa1-xN合金开发一个高保真度的深度神经网络 (DNN) 原子间潜力.
- 准确预测AlxGa1-xN的导热率和GaN/AlxGa1-xN异构的ITC.
- 提供有关HEMT材料热传输机制的见解.
主要方法:
- 使用并发学习构建了一个第一原则准确的数据集.
- 训练了一个深度神经网络 (DNN) 来获得原子间潜力.
- 使用平衡分子动力学模拟来计算热性质.
- 计算了状态和界面热导电 (ITC) 的声子密度.
主要成果:
- DNN原子间潜能准确地预测了AlxGa1-xN的导热性,与实验数据显示出极好的一致性.
- 计算出的GaN/AlxGa1-xN的ITC随着含量增加而下降 (x).
- 在接口上插入1nm厚的AlN层显著降低了ITC.
结论:
- 成功开发了一种用于模拟AlxGa1-xN分子动态的高保真DNN潜力.
- 这些发现为优化HEMT中的热管理提供了有价值的指导.
- 了解合金组成和接口结构对热传输的影响对于先进的半导体设备至关重要.
