Publication

Thermomechanical properties of honeycomb lattices from internal-coordinates potentials: the case of graphene and hexagonal boron nitride

Résumé

Lattice dynamics in low-dimensional materials and, in particular, the quadratic behaviour of the flexural acoustic modes play a fundamental role in their thermomechanical properties. A first-principles evaluation of these can be very demanding, and can be affected by numerical noise that breaks translational or rotational invariance. In order to overcome these challenges, we study the Gartstein internal-coordinate potential and tune its 13 parameters on the first-principles interatomic force constants for graphene. We show that the resulting potential not only reproduces very well the phonon dispersions of graphene, but also those of carbon nanotubes of any diameter and chirality. The addition of a cubic term allows also to reproduce the dominant anharmonic terms, leading to a very good estimate of the lattice thermal conductivity. Finally, this potential form works very well also for boron nitride, provided it is fitted on the short-range (analytical) part of the interatomic force constants, and augmented thereafter with the long-range dielectric contribution. This consideration underscores how potentials based on short-ranged descriptors should be fit, in polar materials, to the short-range part of the first-principles interactions, and complemented by long-range analytical dielectric models parametrized on the same first-principles calculations.

À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.
Concepts associés (32)
Potentiel interatomique
Le potentiel interatomique est un modèle d'énergie potentielle servant à décrire l'interaction entre atomes et, par extension, entre molécules. Il permet d'accéder à nombre de quantités optiques, thermodynamiques, mécaniques et de transport de la matière. Les atomes à température ambiante peuvent s'associer spontanément pour former des molécules stables. Cela implique une force attractive à longue distance et répulsive à faible distance, et par suite nulle à la valeur d'équilibre de la liaison.
Dynamique moléculaire
La dynamique moléculaire est une technique de simulation numérique permettant de modéliser l'évolution d'un système de particules au cours du temps. Elle est particulièrement utilisée en sciences des matériaux et pour l'étude des molécules organiques, des protéines, de la matière molle et des macromolécules. En pratique, la dynamique moléculaire consiste à simuler le mouvement d'un ensemble de quelques dizaines à quelques milliers de particules dans un certain environnement (température, pression, champ électromagnétique, conditions aux limites.
Énergie potentielle
L'énergie potentielle d'un système physique est l'énergie liée à une interaction, qui a la capacité de se transformer en d'autres formes d'énergie, le plus souvent en énergie cinétique, une énergie de mouvement. La force qui modélise l'interaction est une force conservative c'est-à-dire que son travail ne dépend pas du chemin suivi lors du déplacement, mais uniquement du point de départ et du point d'arrivée : .
Afficher plus
Publications associées (34)

Machine-learned interatomic potentials: Recent developments and prospective applications

William Curtin

High-throughput generation of large and consistent ab initio data combined with advanced machine-learning techniques are enabling the creation of interatomic potentials of near ab initio quality. This capability has the potential of dramatically impacting ...
Heidelberg2023

Universal machine learning for the response of atomistic systems to external fields

Yaolong Zhang

Machine learned interatomic interaction potentials have enabled efficient and accurate molecular simulations of closed systems. However, external fields, which can greatly change the chemical structure and/or reactivity, have been seldom included in curren ...
Berlin2023

Predicting Ion Diffusion from the Shape of Potential Energy Landscapes

Berend Smit, Senja Dominique Barthel, Amber Kashan Mace

We present an efficient method to compute diffusion coefficients of multiparticle systems with strong interactions directly from the geometry and topology of the potential energy field of the migrating particles. The approach is tested on Li-ion diffusion ...
Washington2023
Afficher plus
MOOCs associés (9)
Simulation Neurocience
Learn how to digitally reconstruct a single neuron to better study the biological mechanisms of brain function, behaviour and disease.
Simulation Neurocience
Learn how to digitally reconstruct a single neuron to better study the biological mechanisms of brain function, behaviour and disease.
Afficher plus

Graph Chatbot

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.