非晶(无定形)资料指原子摆放缺少长程周期性的固体资料，都会存在于自然界中，也是工业生产及日常日子中运用最为广泛的一类资料。非晶氧化镓具有超宽的禁带宽度和优异的物理化学特性，是制作高功率子器材的重要根底资料。研讨非晶氧化镓的热输运特性对其在动力与光电子器材的热办理及能量转化等方面的运用至关重要。

  近年来，经过考虑模态相干效果和非谐性对热导率的奉献，非晶资料的导热理论获得了必定发展，但是，因为非晶资料原子标准结构的复杂性及当时试验和核算手法的局限性，全面了解非晶资料的结构对热输运特性的影响机理并树立二者之间的定量联系仍是凝聚态资料物理中待处理的应战性难题。

  现在，虽然在理论研讨方面获得了重大发展，但因为无序体系的精确建模任旧存在明显的应战。近年来，依据密度泛函理论(DFT)或经典力场的分子动力学(MD)模仿一直是建模和了解资料的中心办法。在许多研讨中发现，它们的猜测才能和可转移性相对较差。最近，机器学习(ML)技能正在成为一种强壮的东西，经过直接从恰当挑选的量子力学核算的参阅数据调集中映射原子构型和能量之间的联系，有望处理上述资料建模中的应战。

  近期，清华大学航空航天学院曹炳阳教授联合英国剑桥大学工程系加博尔·塞尼(Gábor Csányi)教授在探求非晶氧化镓原子结构与热输运性质之间的内涵影响获得新发展。

  团队选用机器学习、分子动力学模仿及试验丈量相结合的办法成功提醒了非晶氧化镓的原子结构特征、热输运性质及“结构—热输运性质”内涵影响机制和定量联系。因为当时试验技能难以直接观测到非晶资料的三维原子结构，因而研讨团队凭借具有量子力学精度的机器学习势函数模仿熔化—淬火进程对非晶资料来原子标准的精确建模，并运用非平衡分子动力学模仿、阿伦-费尔德曼(Allen-Feldmen，AF)简谐理论及一致导热理论(Unified Theory,UF)对非晶氧化镓的热导率进行了研讨。试验依据成果得出，机器学习可以精确地模仿非晶氧化镓及其热输运性质。提醒了近程和中程随密度的微观改变，并阐明晰这些改变怎么削减局域方式和增强相干对热输运的奉献。最终，提出了一个物理启示的无序相结构描述符，并以线性方式猜测了结构与导热系数之间的潜在联系。该成果关于开发非晶氧化镓电子器材的热办理技能具有极端重大意义，此外，还展现了机器学习模型处理实际物理问题的才能。鉴于非晶相中热传输的复杂性和重要性，这项工作为未来加快探究其他重要非晶资料的热传输特性和机理供给了一个新的起点。

  所刊载内容之知识产权为边界网络及/或相关权利人专属一切或持有。未经许可，制止进行转载、摘编、仿制及树立镜像等任何运用。