近日，禁漫天堂
与美国阿肯色大学组成的联合研究团队在铁电材料Al1-xScxN畴壁介导的极化翻转机制研究中取得重要进展。研究团队依托马琰铭教授课题组自2022年起自主研发的材料模拟软件ARES（Ab initio atomic mateRial modEling Software at JLU），并结合课题组发展的注意力耦合神经网络机器学习势软件ACNN（attention-coupled neural network），实现了第一性原理精度的大尺度分子动力学模拟[1, 2]。基于该自主软件平台，团队揭示了Al1-xScxN在外加电场下由畴壁介导的极化翻转机制。相关成果以“Domain-Wall-Mediated Polarization Switching in Ferroelectric AlScN: Strain Relief and Field-Dependent Dynamics”为题，于2026年5月20日发表在《Physical Review Letters》杂志上。
面向复杂功能材料的原子尺度模拟，如何在保证第一性原理精度的同时突破传统计算规模限制，是计算材料科学长期面临的重要挑战。针对这一问题，马琰铭教授课题组持续发展ARES软件平台和ACNN机器学习势方法。ARES集成了平面波、实空间、机器学习势、机器学习哈密顿量、分子动力学、声子谱和能带计算等功能模块；其中分子动力学模块采用高效率MPI并行框架，可支持上百万原子体系的模拟研究。ACNN作为注意力耦合神经网络机器学习势软件，能够在保持第一性原理精度的同时，高效描述复杂多组分材料体系的势能面。近年来，团队在ARES中实现了外加电场、路径积分模拟和多种系踪等分子动力学功能模块，使其能够面向复杂材料体系中的结构演化、相变动力学和外场响应等问题开展可扩展模拟。
为验证ARES在复杂铁电体系中的大尺度动力学模拟能力，研究团队将其应用于Sc掺杂氮化铝（AlScN）的极化翻转研究。Al1-xScxN兼具稳定铁电性和优异热稳定性，但其极化翻转所需矫顽场较高，限制了相关器件应用。研究团队结合密度泛函理论和大尺度机器学习分子动力学，系统研究了不同 Sc 浓度和不同外加电场下Al1-xScxN的原子尺度极化翻转过程。结果表明，过大的晶格应变会抑制整体协同翻转，而预存畴壁能够释放局域应变，并由此诱导出具有显著电场依赖性的翻转动力学机制：在低电场下，极化翻转主要通过畴壁逐步推进完成，符合Kolmogorov-Avrami-Ishibashi模型；而在高电场下，体系中会激发额外成核过程，进而形成快速、近似均匀的反转行为，可由simultaneous nonlinear nucleation and growth模型描述。
图1 Al0.75Sc0.25N在x-y平面内极化图案的演化
该研究阐明了畴壁动力学在Al1-xScxN极化翻转中的关键作用，表明畴工程有望成为调控Al1-xScxN及相关铁电材料矫顽场的有效途径。同时，该工作展示了ARES在复杂铁电材料外场响应和大尺度机器学习势函数辅助的分子动力学模拟的应用能力，体现了自主材料模拟软件在材料物理研究中的重要支撑作用，为后续开展更大尺度、更复杂条件下的功能材料模拟提供了可自主扩展的计算平台。
该论文的第一作者为禁漫天堂
博士研究生郑翔宇，通讯作者为Charles Paillard教授、赵宏健教授和谢禹教授。该研究得到了国家重点研发计划项目的资助。
论文全文链接：
//doi.org/10.1103/s8qs-nnzg
引用文献：
[1] J. Li, J. Feng, J. Luo, B. Jiang, X. Zheng, Q. Song, J. Lv, K. Butler, H. Liu, C. Xie, Y. Xie, and Y. Ma, Self-optimizing machine learning potential assisted automated workflow for highly efficient complex systems material design, npj Comput. Mater. 12, 101 (2026).
[2] L. Xue, Q. Xu, C. Ma, W. Mi, Y. Wang, Y. Xie, and Y. Ma, Accelerating ab initio real-space electronic structure calculations for low-dimensional materials using an atom-sphere grid truncation method, Phys. Rev. B 110, 155157 (2024).
编校|谢禹
排版|于跃
审核|姚明光、侯博宇、杨景
当前位置: