메크델라 암바 대학교(Mekdela Amba University)의 베시르 아월은 2차원 물질의 양자 수송 시뮬레이션 효율을 높이기 위해 DeePTB-NEGF를 발표했다. 해당 방법론은 제일원리 계산에서 도출된 딥러닝 기반 타이트 바인딩 해밀토니안을 DPNEGF 시뮬레이션 패키지에 결합한 형태이다. 이는 기존에 비평형 그린 함수(NEGF)와 밀도 범함수 이론(DFT)을 조합할 때 발생하던 높은 연산 비용 문제를 해결하여, 대규모 및 고처리량 연구의 제약을 해소했다.

DeePTB-NEGF의 검증은 그래핀, 육방정계 질화붕소(h-BN), MoS2, WS2, 흑린 등 5가지 2차원 물질을 대상으로 진행됐다. 연구 결과, 투과 스펙트럼과 밴드 구조 측면에서 기존 DFT-NEGF와 매우 일치하는 정확성을 입증했다. 연구진은 기초 검증을 넘어 그래핀의 단축 변형, MoS2의 이축 변형과 같은 변형 공학 시나리오와 치환 도핑, 그래핀 전계효과 트랜지스터(FET)의 전류-전압 특성 탐구에도 이 도구를 활용했다.

성능 분석 결과에 따르면, DeePTB-NEGF는 수백 개의 원자를 포함하는 시스템을 수 분 내에 처리한다. 특히 그래핀/h-BN/그래핀과 같은 복잡한 이종 구조에서는 기존 표준 DFT-NEGF 방식과 비교해 700배 이상의 가속 성능을 보였다. 이러한 기술적 이점을 바탕으로, DeePTB-NEGF는 차세대 나노전자 소자의 신속한 설계를 지원하는 고처리량 양자 수송 시뮬레이션 도구로 평가받는다.

메크델라 암바 대학교(Mekdela Amba University)의 베시르 아월은 2차원 물질의 양자 수송 시뮬레이션 효율을 높이기 위해 DeePTB-NEGF를 발표했다. 해당 방법론은 제일원리 계산에서 도출된 딥러닝 기반 타이트 바인딩 해밀토니안을 DPNEGF 시뮬레이션 패키지에 결합한 형태이다. 이는 기존에 비평형 그린 함수(NEGF)와 밀도 범함수 이론(DFT)을 조합할 때 발생하던 높은 연산 비용 문제를 해결하여, 대규모 및 고처리량 연구의 제약을 해소했다.

DeePTB-NEGF의 검증은 그래핀, 육방정계 질화붕소(h-BN), MoS2, WS2, 흑린 등 5가지 2차원 물질을 대상으로 진행됐다. 연구 결과, 투과 스펙트럼과 밴드 구조 측면에서 기존 DFT-NEGF와 매우 일치하는 정확성을 입증했다. 연구진은 기초 검증을 넘어 그래핀의 단축 변형, MoS2의 이축 변형과 같은 변형 공학 시나리오와 치환 도핑, 그래핀 전계효과 트랜지스터(FET)의 전류-전압 특성 탐구에도 이 도구를 활용했다.

성능 분석 결과에 따르면, DeePTB-NEGF는 수백 개의 원자를 포함하는 시스템을 수 분 내에 처리한다. 특히 그래핀/h-BN/그래핀과 같은 복잡한 이종 구조에서는 기존 표준 DFT-NEGF 방식과 비교해 700배 이상의 가속 성능을 보였다. 이러한 기술적 이점을 바탕으로, DeePTB-NEGF는 차세대 나노전자 소자의 신속한 설계를 지원하는 고처리량 양자 수송 시뮬레이션 도구로 평가받는다.