文章导读
以氮化镓和氧化锌等为代表的半导体材料，具有压电性和半导体特性的共存耦合特征，也即：变形-极化-载流子的多场耦合特性，使其超越了传统半导体/压电材料而拥有更多的功能属性、更优良的性能，在未来新型传感器、压电电子学和压电光电子学器件等领域有广阔应用前景。然而，压电半导体的材料各向异性、多物理场耦合以及（物理和几何）非线性给压电半导体结构的定量分析与设计带来了巨大挑战。
近期，浙江大学智能材料与结构力学团队的张春利教授在International Journal of Smart and Nano Materials上发表了题为“Analysis of nonlinear multi-field coupling responses of piezoelectric semiconductor rods via machine learning”的论文，考虑漂移-扩散型电流方程的物理非线性，把压电半导体杆的控制方程嵌入神经元网络结构中，发展了一种基于物理信息神经网络（PINNs）的预测压电半导体结构多场耦合力学响应的高效定量分析方法。
引用：
Wu, C., Xiao, Z., Guo, Y., & Zhang, C. (2024). Analysis of nonlinear multi-field coupling responses of piezoelectric semiconductor rods via machine learning. International Journal of Smart and Nano Materials, 15(1), 62–74. https://doi.org/10.1080/19475411.2023.2282780
文章内容
图1. PINNs网络模型图
论文基于压电半导体杆的变形-极化-载流子耦合的控制方程，通过引入学习函数（f），构建了如图1所示的PINNs神经网络结构，然后再通过边界（以及初始）条件和内嵌本构方程的约束来训练网络。所构建的PINNs网络的多场耦合响应预测及其网络训练过程如图2.所示。
图2. PINN网络模型的预测与训练过程图
为验证所构建的PINNs网络模型的正确性，论文以ZnO压电半导体杆在较小轴拉下的多场耦合响应为例，对比了采用PINNs网络模型与线性化解析解的结果，如图3所示，结果表明PINN网络模型与解析解的预测结果吻合的很好。
图3.两种方法预测较小轴力下压电半导体杆多场耦合响应的结果对比
进一步，采用构建的PINN模型计算了压电半导体杆在较大轴力下的多场耦合响应情况，如图4所示。可以看到：在较大的轴力下，对于杆内的电学量（电势和载流子）分布来说，线性化解析解与PINNs的预测结果偏离较大，这是由于线性化模型没有考虑电流方程的非线性的缘故。
图4.ZnO压电半导体杆在较大轴力下的位移、电势和载流子浓度分布情况
本文将物理信息神经网络(PINNs)方法拓展到变形-极化-载流子多场耦合的压电半导体结构的多场耦合力学行为分析上，为压电半导体器件的分析与设计提供了一个有效的工具。
浙江大学航空学院硕士生吴楚维为本文第一作者，张春利教授为通讯作者。
课题组简介
张春利，于2011年获浙江大学博士学位，曾在德国锡根大学作博士后研究、美国佐治亚理工学院作访问学者；获2022年度浙江省自然科学一等奖和2020年度浙江省科学技术进步二等奖以及2023年度IAAM Scientist Medal，主持/承担国家自然科学基金委（重大/重点/面上/青年）项目、国家重点研发计划项目以及浙江省杰出青年科学基金等项目20余项；发表学术论文100余篇（被引用超3000次），授权专利（含美国发明等）10余项。目前，兼任中国力学学会“电子电磁器件力学”工作组秘书长和波动力学专业组组员以及浙江省力学学会理事和“力学交流与科技帮扶”工作委员会主任，Symmetry期刊的编委、J. Zhejiang Univ. Sci. A的青年编委，应用数学和力学/材料工程/航空材料学报等中文核心期刊青年编委。
识别二维码，阅读文章英文原文
●IJSNM 发表浙江大学建筑工程学院付浩然课题组最新综述文章：柔性电子器件的失效机理
●IJSNM发表华南理工大学孙桃林教授团队最新进展：韧性水凝胶在多轴拉伸下的力学行为研究
●IJSNM发表航天材料及工艺技术研究所孙建波/哈工大梁旭东/北航王志坚合作团队最新综述文章：基于液晶弹性体复合材料的软体致动器
●IJSNM发表王正锦教授团队最新进展：结构化可拉伸材料断裂能的试样尺寸效应
●IJSNM最新特刊Liquid metal smart materials and devices|欢迎投稿！
●IJSNM最新特刊Flexible micro/nano sensors|欢迎投稿！
期刊介绍
International Journal of Smart and Nano Materials
名誉主编：
杜善义 院士，哈尔滨工业大学
Ken P. Chong 教授，华盛顿大学
主编：
冷劲松 院士，哈尔滨工业大学
International Journal of Smart and Nano Materials是哈尔滨工业大学和Taylor & Francis集团合作出版的开放获英文期刊，拥有由知名学者组成的国际化编委团队。IJSNM 被Science Citation Index数据库收录，2022年影响因子为3.9。
IJSNM主要发表国内外智能材料、智能结构力学与设计、多功能纳米材料等领域的最新研究成果和前沿进展，涵盖智能材料与结构、多功能纳米复合材料、4D打印技术、仿生结构、柔性机器人、传感器、结构健康监测等领域，主要刊登具有创新性的综述论文（Review Articles）、研究论文（Research Articles）和短篇报道（Short Communications）等。
IJSNM所有文章接收后即可在线发布并获得引用，欢迎广大学者将最新研究论文投稿至IJSNM。
期刊主页：https://www.tandfonline.com/toc/tsnm20/current
投稿地址：https://rp.tandfonline.com/submission/create?journalCode=TSNM
编辑部联系方式：
Email：
ijsnm@hit.edu.cn;
ijsnm_journal@hit.edu.cn
Tel.: 0451-86413401
引用数据：
Web of Science (SCIE). EI、Scopus、Inspec等20多个数据库收录
3.9 (2022) Impact Factor
Q2 (2022) Impact Factor Best Quartile
5.9 (2022) CiteScore
Q1 (2022) CiteScore Best Quartile
处理速度：
9 days avg. from submission to first decision
29 days avg. from submission to first post-review decision
11 days avg. from acceptance to online publication
25% acceptance rate
识别二维码, 订阅 International Journal of Smart and Nano Materials期刊最新资讯。
识别二维码, 进入 International Journal of Smart and Nano Materials期刊官网。
