Enfoque de enlace ajustado basado en aprendizaje profundo para simulaciones electrónicas a gran escala a temperaturas finitas con precisión ab initio

Simular el comportamiento electrónico en materiales y dispositivos con tamaños de sistema grandes y realistas sigue siendo una tarea formidable dentro del marco ab initio debido a su intensidad computacional. Aquí mostramos DeePTB, un enfoque eficiente de enlace ajustado basado en aprendizaje profundo con precisión ab initio para abordar este problema. Al entrenar en datos estructurales y los correspondientes valores propios ab initio, el modelo DeePTB puede predecir eficientemente Hamiltonianos de enlace ajustado para estructuras no vistas, lo que permite simulaciones eficientes de sistemas de gran tamaño bajo perturbaciones externas como temperaturas finitas y deformaciones. Esta capacidad es vital para la ingeniería de la banda prohibida de semiconductores y el diseño de materiales. Cuando se combina con dinámica molecular, DeePTB facilita simulaciones eficientes y precisas a temperatura finita del comportamiento tanto atómico como electrónico simultáneamente. Esto se demuestra al calcular las propiedades electrónicas dependientes de la temperatura de un sistema de fosfuro de galio con 10.