浙江大学杭州国际科创中心

本数据主要用于训练与验证面向SiC扩展型缺陷（如位错、堆垛层错、晶界等）的机器学习势函数。具体应用场景包括： 缺陷能量学分析：利用势函数快速计算不同扩展型缺陷的形成能、迁移能垒，辅助理解缺陷稳定性与演化机制。 大规模原子模拟：支持分子动力学或蒙特卡洛模拟，研究辐照损、力学变伤形等过程中扩展缺陷的形核、运动与交互作用。 跨尺度材料设计：作为连接第一性原理计联算与连续介质模型的系桥梁，为SiC功率器件、核材料等领域的抗辐照、高强度设计提供原子级数据支撑。 该数据集的规模和针对性使其特别适合训练具有高精度外推能力的神经势场或高斯近似势模型。一、数据说明 本数据集专为碳化硅（SiC）扩展型缺陷（如位错等）的机器学习势函数训练而构建。机器学习势函数的核心作用是：在保持第一性原理计算精度的前提下，将计算效率提升数个数量级，从而实现对包含数万乃至数百万原子的大尺度缺陷体系进行分子动力学模拟。然而，势函数的精度高度依赖于训练数据的质量与覆盖范围。本数据集针对SiC扩展型缺陷特有的局域原子环境（如畸变的配位场、非均匀应变区），通过系统采样为势函数提供了关键的能量与原子受力参考基准，弥补了现有公开数据在该领域的不足。 二、处理规则 本数据集的处理包含以下关键流程： 结构生成：数据来源包括两类结构——块体结构与SiC点缺陷结构。块体结构提供完美晶格的参考能量与受力；点缺陷结构（如空位、反位、间隙原子）则引入局域晶格畸变，模拟扩展型缺陷核心附近的原子环境。 构型增强：在点缺陷结构基础上，进一步引入原子位置微扰（对每个原子施加符合玻尔兹曼分布的小幅度随机位移），以模拟有限温度下的原子热振动，同时增强构型多样性，防止势函数陷入过度拟合。 第一性原理计算：所有结构均通过VASP软件进行单点能计算，获得对应的总能量（单位：eV/超胞）以及每个原子的受力（单位：eV/Å）。采用PAW赝势和PBE泛函，确保数据精度满足势函数训练要求。 数据集划分：共生成2865个结构，按4:1的比例随机划分为训练集（2292个）和测试集（573个）。训练集用于势函数参数拟合，测试集用于评估势函数的泛化能力。 三、数据内容 本数据集完整记录了每个结构的原子坐标、晶胞参数、元素种类、总能量以及每个原子的受力分量（共6个自由度：三个方向的力）。数据覆盖了SiC晶格中从完美晶格到含点缺陷、乃至扩展到扩展型缺陷核心区域的多种局部原子环境（如不同配位数、不同的Si-C键长畸变程度）。该数据集的系统采样能够为机器学习势函数提供能量-构型映射关系，使其在学习到完美晶格的能量基准的同时，准确捕捉缺陷附近因晶格畸变而产生的能量涨落和受力变化。借助该生成的势函数，研究人员可进一步对SiC中扩展型缺陷的形核、运动、交互作用等动力学过程开展大规模原子模拟，从而为SiC功率器件抗辐照设计、核材料性能优化等工程应用提供原子尺度的理论支撑。