报告题目：铌酸盐压电材料的机器学习辅助大尺度模拟和物理性质研究
报告人：汤浩正
报告时间：2025年5月16日下午15:00
报告地点：田家炳楼203报告厅
邀请人：董帅
报告摘要：
钙钛矿型铁电体是一类重要的压电材料，被广泛应用于驱动器件和感应器件。其中，常用的锆钛酸铅（PZT）以其优异的压电性能成为商用压电材料的代表。然而，铅元素对环境和人体健康的负面影响日益引起关注，研发具有高性能的无铅压电材料已成为当务之急。在众多无铅压电体系中，铌酸钾钠（KNN）、钛酸钡（BTO）、铁酸铋（BFO）和钛酸铋钠（BNT）等材料备受关注。其中，铌酸钾钠体系由于其综合性能优异，成为无铅压电材料研究的热点之一。
高性能无铅压电材料的研发面临诸多挑战，因为铁电压电材料的性能与其多层次微观结构的相互作用密切相关。理论模拟方法为研究人员提供了一种有效手段，以厘清这些现象背后的物理机制。第一性原理密度泛函理论（DFT）计算可以模拟出铁电压电材料的多种性质，但由于该方法复杂且计算量大，仅能在电子和原子尺度上进行模拟，难以有效地模拟大空间尺度的结构及其在较长时间尺度下的演化过程。
本研究利用机器学习中的深度神经网络模型构建了关于铌酸钾体系的原子间势能函数。通过将第一性原理计算数据纳入训练数据集，确保了原子间势能函数具有近似量子力学精度的准确性。研究结果表明，基于机器学习模型的原子间势能函数所进行的分子动力学模拟与第一性原理计算保持良好的一致性，能够准确预测材料的多项基本性质，如原子受力、能量、弹性张量和声子谱等。此外，本工作也将展示如何利用该模型对材料中的一些特征结构进行模拟，包括变温相变、极化翻转、缺陷等。这一方法有望应用于构建其他铁电钙钛矿体系的原子间势能函数，为铁电压电材料领域的研究提供新的工具和思路。
报告人简介：
汤浩正，博士，清华大学“水木学者"博士后，于清华大学材料学院获得硕士和博士学位，主要研究方向是铁电压电陶瓷材料的实验制备与理论模拟。以第一作者身份在Adv. Mater.、Adv. Funct. Mater.、Adv. Sci.、Mater. Today、Phys. Rev. B等期刊上发表共计12篇；以其他作者身份在Nat. Mater.、J. Am. Chem. Soc.、Nat. Comm.、Joule等期刊上发表共计29篇；WOS统计H因子20，引用>1300次。