.png){kind=icon}
返回
Exploring charge density waves in two-dimensional NbSe2 with machine learning
.png){kind=icon}
OA
AI
DOI：10.1038/s41524-026-02063-4.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
二硒化铌（NbSe2）因其超导电性与电荷密度波（CDWs）在单层极限下的共存而备受关注。然而，由于第一性原理方法的高计算成本，对CDWs进行现实建模——捕捉层数、扭转角和应变等效应——仍然具有挑战性。在此，我们基于E(3)-equivariant Allegro架构开发了一种物理信息化的工作流程，用于训练机器学习原子间势（MLIPs），以捕捉单层和双层NbSe2中CDWs的精细结构和动力学特征。我们发现，尽管CDW晶格畸变相对容易学习，但振动性质的建模仍然更具挑战性。这需要针对性的数据集设计和仔细的超参数调整，推动了当前MLIP框架的边界并测试了其可扩展性。我们的MLIPs能够可靠地模拟共格和非共格CDW相，包括其对维数和堆叠的敏感性，以及CDW动力学、声子和通过随机自洽谐近似估算的相变温度。这项工作为研究和调控NbSe2及其他二维体系中的CDWs开辟了新的可能性，对电子-声子耦合、超导电性和先进材料设计具有重要影响。
Keyword:
charge density waves
machine learning interatomic potentials
niobium diselenide
two-dimensional materials
electron-phonon coupling
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
11.9
论文数:
2.4K
被引数:
1.7W
机构
查看更多机构
引用论文
暂无论文信息