日前,《自然-电子学》(Nature Electronics)在线发表了西安交通大学与牛津大学的合作论文“Device-scale atomistic modelling of phase-change memory materials”,同时期刊编辑在Research Briefing专栏对该文章进行了专题推荐。
为了解决该问题,西安交通大学金属材料强度国家重点实验室材料创新设计中心张伟教授和牛津大学化学系Volker L. Deringer 教授通力合作,利用先进的机器学习方法并基于高斯近似势能GAP框架,开发了一个适用于锗锑碲合金的机器学习势能函数(Machine-Learned potential)。该势能函数兼具传统力场的计算效率和量子力学的计算精度,能够准确描述伪二元线上的任意组分的锗锑碲合金的复杂结构特征以及可逆相变过程。同时,团队考虑了结构相变引起的密度变化、脉冲产生的温度梯度、电场作用下的离子迁移过程以及结构弛豫等影响,使得原子模拟更加接近相变器件真实的服役过程。团队实现了三维堆叠芯片相变单元擦除过程所涉及的脉冲诱导熔化过程的原子模拟,该方法具有非常高的扩展性,可模拟器件界面对相变过程的影响,有助于进一步优化器件的尺寸与结构。
目前,该工作所得到的所有数据库与势函数均已开源,开源数据可以在Zenodo 平台以及Alkemie平台免费下载。