딥러닝 기반 2차원 소재 양자 전송 시뮬레이션: DeePTB‑NEGF 프레임워크

초록

본 논문은 딥러닝으로 학습된 Tight‑Binding Hamiltonian(DeePTB)을 NEGF 전송 계산에 결합한 DeePTB‑NEGF 체계를 제시한다. 그래핀, h‑BN, MoS₂ 세 2D 소재에 대해 DFT‑NEGF와 비교했을 때 밴드 구조와 전송 스펙트럼이 높은 정확도로 재현되며, 계산 속도는 10배 이상 향상된다. 또한 ABACUS와 같이 NEGF 모듈이 없는 DFT 코드에서도 전송 분석이 가능함을 보여준다.

상세 분석

DeePTB‑NEGF는 두 단계로 구성된다. 첫 단계에서 DeePTB는 지역 원자 환경을 입력으로 받아 Slater‑Koster 적분에 대한 환경‑의존적 보정값을 출력하는 심층 신경망을 학습한다. 이 과정에서 원자 간 상호작용을 물리적으로 의미 있는 형태로 유지하면서도 Hamiltonian의 희소성을 보존한다는 점이 핵심이다. 학습 데이터는 SIESTA와 ABACUS 등 기존 DFT 계산에서 얻은 밴드 구조와 전자밀도 정보를 활용한다. 두 번째 단계에서는 이렇게 생성된 TB Hamiltonian을 DPNEGF 패키지에 전달하여 비평형 Green’s function를 계산하고, 전송 함수 T(E)=Tr