摘要
近年来，相变存储器凭借其非易失性、开关速度快、存储时间长、存储容量大和可扩展性好等优点，在一些新兴的非易失性存储器中脱颖而出，有望成为下一代半导体存储器的核心之一。其中，GeTe因其组分简单，易于制备，且能在几十纳秒内发生晶相与非晶相的可逆转变而受到广泛关注。GeTe的相变存储性能受制于材料的热性质。实验上发现晶相GeTe往往偏离化学计量比，存在Ge空位等缺陷。已有文献报道Ge空位缺陷会显著减小晶相GeTe的热导率，然而有空位存在导致的非化学计量效应对非晶相GeTe热导率的影响尚不明确。 本文通过传统分子动力学以及机器学习分子动力学，利用非平衡分子动力学方法，研究了偏离化学计量比的非晶相GeTe材料在室温下的热导率。研究结果主要包括： 1.采用修正后的Tersoff经验势函数，基于传统分子动力学方法模拟计算了非晶相GeTe的热导率。为了考虑了Ge空位的影响，利用能量-体积状态方程优化相应的非晶相密度。计算结果显示，热导率随着偏离化学计量比程度的增大而减小。计算得到该材料的热导率约为0.17±0.01W/(m·K)，这一结果处于实验报道值的范围内。还结合第一性原理分子动力学，得到配位数和键角分布。结果表明存在非化学计量比的情况不会显著影响GeTe快速相变。 2.利用机器学习分子动力学方法分析了非晶相GeTe的热导率。首先利用第一性原理分子动力学对不同GeTe状态采样，再结合机器学习方法拟合神经网络势函数，将其应用于非晶相GeTe热导率计算。结果表明厚度达到12nm时，神经网络势函数得到的热导率数值与实验值一致，略大于经验势得到的数值。计算结果说明了神经网络势函数在热导率计算方面的有效性。
NETL