探索不均的表面:Ti-丰富的SrTiO₃(110) 通过主动学习重建

科学领域:

• 材料科学 材料科学 材料科学
• 表面科学是一门学科.
• 计算材料科学科学 计算材料科学

背景情况:

• 了解不均的表面与共存的局部结构对于技术相关的接口至关重要.
• 研究这些复杂的表面带来了重大的实验和理论挑战.

研究的目的:

• 在 (110) 导向的酸 (SrTiO3) 上研究 (2 × m) 富含Ti的表面的原子配置.
• 开发和应用机器学习支持的方法来预测复杂的表面结构.

主要方法:

• 结合扫描道显微镜 (STM) 与可转移的神经网络力场和进化探索.
• 利用积极学习方法来代地改进训练数据.
• 使用密度函数理论 (DFT) 进行验证.

主要成果:

• 从简单的已知重建成功推断出了在不均的SrTiO3{\displaystyle SrTiO3{\displaystyle SrTiO3{\text{1}}} -{\text{2}}} ×m) 表面上的复杂,多样化的覆盖层.
• 产生了几种新的候选表面结构.
• 在预测结构和实验观测之间取得了良好的一致性.

结论:

• 开发的机器学习方法有效地预测了不均的金属氧化物上的复杂表面重建.
• 这种方法可以扩展到研究其他复杂的金属氧化物与大型共存的表面重建.
• 这些发现促进了对SrTiO3表面的理解,并为材料发现提供了强大的工具.