机器学习势预测
采用机器学习原子间势预测块状六方氮化硼的各向异性热导率，精度达DFT水平，成本降低三个数量级。
Jialin, Tang · Guotai, Li · Wang, Qi · Zheng, Jiongzhi · 程林 · Guo, Ruiqiang
International Journal of Heat and Mass Transfer 2023
相比DFT，本势函数计算热物性所需成本降低1000倍，且保持同等精度。
1000 K时四声子散射对面外热导率的抑制（35.71%）显著高于面内（21.64%），体现层间弱键合对各向异性的影响。
300 K以下四声子散射比三声子散射弱几个数量级，其对热导率的抑制可忽略，主要源于反射对称选择定则破缺和弯曲声学支劈裂。