Moire ferroelectricity in twisted hBN with machine learning potentials
Loading...
URL
Journal Title
Journal ISSN
Volume Title
School of Chemical Engineering |
Master's thesis
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.
Authors
Date
Department
Major/Subject
Mcode
Language
en
Pages
52
Series
Abstract
This thesis is a study on the properties of twisted bilayer hexagonal boron nitride by computational methods. The methods consists of both density functional theory (DFT) and machine learning (ML) potential. We focus on developing the ML potential in order to study larger structures that aren’t available or are computationally too expensive to be studied with DFT. We concentrate on relaxation, atomic displacement during relaxation, phonon dispersion relations as well as local density of states (LDOS). First a functional ML potential was trained for this system, comparing it’s results with DFT calculations. We also computed phonon dispersion relations, which were used as a secondary performance test. When the performance of the ML potential was satisfactory, we relaxed twisted hBN systems with varying twist angles, calculated both the in-plane and out-of-plane atomic displacements during relaxation. The average and atom-wise interlayer distance was also calculated. The phonon dispersion relations were also used to gain valuable information about the twisted systems. We studied them in order to gain information about the stability of the system as well as finding evidence for phase transitions. Lastly, we computed LDOS of 3 twisted systems and an AA stacked structure for comparison. The results seemed to indicate that there is some force which gave rise to the final atomic positions in the relaxed structure. While the results did not conclusively prove the polarization or ferroelectricity, it did imply that those could be the reason for the results.Tässä lopputyössä tutkitaan kierteisen kaksikerroksisen boorinitridin ominaisuuksia laskennallisin menetelmin. Käytetyt menetelmät ovat DFT ja koneoppiminen. Me keskitymme kehittämään koneoppimispotentiaalin jotta voimme tutkia suurempia rakenteita, jotka ovat laskennallisesti liian kalliita DFT:lle. Keskeiset tutkittavat asiat ovat relaksaatio, atomien siirtymä relaksaation aikana, fononidispersio relaatiot ja paikallinen DOS. Ensin kehitimme koneoppimispotentiaalin ja vertasimme sen tuloksia, vertailuarvoina olivat DFT:llä lasketut arvot. Laskimme myös fononidispersio relaatiota ja käytimme näitä toissijena testinä koneoppimispotentiaalin suoriutumiselle. Kun potentiaalinen suoriutuminen johti tarpeaksi tarkkoihin tuloksiin, aloitiminne kierteisten rakenteiden varsinaisen tutkimisen. Relaksoimme eri kiertokulmien rakenteita, laskimme näiden rakenteiden atomien sekä tason sisäiset siirtymät että tasosta pois, relaksaation aikana. Lisäksi laskimme tasojen keskimääräisen ja atomikohtaisen välimatkan. Näiden lisäksi vertasimme 3 eri kierteisen rakenteen fononidispersio relaatioita keskenään sekä AA-pinotun ja kierteisen rakenteen eroa LDOS:ssa. Tässä lopputyössä tutkitaan kierteisen kaksikerroksisen boorinitridin ominaisuuksia laskennallisin menetelmin. Käytetyt menetelmät ovat DFT ja koneoppiminen. Me keskitymme kehittämään koneoppimispotentiaalin jotta voimme tutkia suurempia rakenteita, jotka ovat laskennallisesti liian kalliita DFT:lle. Keskeiset tutkittavat asiat ovat relaksaatio, atomien siirtymä relaksaation aikana, fononidispersio relaatiot ja paikallinen DOS. Ensin kehitimme koneoppimispotentiaalin ja vertasimme sen tuloksia, vertailuarvoina olivat DFT:llä lasketut arvot. Laskimme myös fononidispersio relaatiota ja käytimme näitä toissijena testinä koneoppimispotentiaalin suoriutumiselle. Kun potentiaalinen suoriutuminen johti tarpeaksi tarkkoihin tuloksiin, aloitiminne kierteisten rakenteiden varsinaisen tutkimisen. Relaksoimme eri kiertokulmien rakenteita, laskimme näiden rakenteiden atomien sekä tason sisäiset siirtymät että tasosta pois, relaksaation aikana. Lisäksi laskimme tasojen keskimääräisen ja atomikohtaisen välimatkan. Näiden lisäksi vertasimme 3 eri kierteisen rakenteen fononidispersio relaatioita keskenään sekä AA-pinotun ja kierteisen rakenteen eroa LDOS:ssa. Nämä tulokset eivät yksiselitteisesti todista polarisaatiota tai ferroelektrisyyttä, mutta tukevat käsitystä että polarisaatio olisi mahdollinen selitys.I denna avhandling studerar vi egenskaperna av tvinnade bilagrade hexagonala bornitrider (hBN). Detta utförs med hjälp av beräkneliga metoder, både täthetsfunktionalteori (DFT) och maskinlärningspotential. Vi fokuserar oss på att utveckla en maskinlärningspotential för att kunna studera större system som inte är tillgängliga eller kräver för mycket resurser med DFT. Vi fokuserar oss på relaxation, atomernas förflytnning under relaxation, fonondispersionsrelationer och lokal tillståndstäthet (LDOS). Först tränade vi en fungerande maskinlärningspotential for våra system. Prestationen av vår maskinlärningspotential jämfördes med DFT beräknade resultat. Som sekundär prestations test, beräkande vi också fonondispersionsrelationer. När prestationen av maskinlärningspotentialen var tillräckligt bra, relaxerade vi tvinnade hBN system med olika vinklar. För dessa tvinnade system, beräknade vi förskjutning, både i plan och ut ur plan, av atomer under relaxation, distansen mellan lager, både i genomsnitt och per atom. Efter detta studerade vi fonondispersionsrelationer av tvinnade hBN system med 3 olika vinklar och vi jämförde också LDOS av AA-staplad hBN och tvinnad hBN. I denna avhandling studerar vi egenskaperna av tvinnade bilagrade hexagonala bornitrider (hBN). Detta utförs med hjälp av beräkneliga metoder, både täthetsfunktionalteori (DFT) och maskininlärningspotential. Vi fokuserar oss på att utveckla en maskininlärningspotential för att kunna studera större system som inte är tillgängliga eller kräver för mycket resurser med DFT. Vi fokuserar oss på relaxation, atomernas förflytnning under relaxation, fonondispersionsrelationer och lokal tillståndstäthet (LDOS). Först tränade vi en fungerande maskininlärningspotential for våra system. Prestationen av vår maskininlärningspotential jämfördes med DFT beräknade resultat. Som sekundär prestations test, beräkande vi också fonondispersionsrelationer. När prestationen av maskininlärningspotentialen var tillräckligt bra, relaxerade vi tvinnade hBN system med olika vinklar. För dessa tvinnade system, beräknade vi förskjutning, både i plan och ut ur plan, av atomer under relaxation, distansen mellan lager, både i genomsnitt och per atom. Efter detta studerade vi fonondispersionsrelationer av tvinnade hBN system med 3 olika vinklar och vi jämförde också LDOS av AA-staplad hBN och tvinnad hBN. Resultaten tyder på att det finns en kraft som påverkar atomernas positioner. Detta bevisar inte entydgt att polarisation eller ferroelektrisitet uppstår, men antyder att det kan vara orsaken.Description
Supervisor
Caro, MiguelThesis advisor
Lado, JoseHernández-León, Patricia