Monoslāņa augšanas sākuma stadijas modelēšana ar kinētisko Monte-Karlo un šūnu automāta metodēm

Abstract

Darba tiek raksturots klasteru sadalījums, kas rodas epitaksiālā monoslāņa augšanas sākuma stadijā daļiņu agregatizācijas rezultātā. Datormodelēšanā tiek noteikta klasteru superstruktūras atkarība no bezdimensionāla lieluma - daļiņu difūzijas attiecības pret adsorbcijas ātrumu. Robežgadījumā, kad difūzijas attiecība pret adsorbciju tiecas uz bezgalību, iegūtā atkarības pakāpe salīdzināta ar teorētiskiem novērtējumiem.

Datormodelēšanā salīdzinoši izmantotas gan kinētiskā Monte Karlo, gan šūnu automāta metodes. Veicot aprēķinus uz viena procesora, šūnu automāta metodes ātrdarbība nepaātrina aprēķinu gaitu. Šūnu automāta metodē tiek pārvērtēta daļiņu difūzija, rezultātā tiek iegūta lielāka klasteru superstruktūra un tā ir jāaplūko lielākā režģī. Šinī gadījuma šūnu automāta un kinētiskās Monte Karlo modelēšanas laiki kļūst salīdzināmi.

In the present work the cluster distribution is characterized in the submonolayer epitaxial growth limit. The characteristic cluster superstructure size dependence on dimensionless parameter – particle diffusion vs adsorption is determined using computer simulations. In the limit of fast diffusion vs adsorption ratio, the obtained power dependence is compared with theoretical estimates.

In theses studies both kinetic Monte Carlo and cellular automata simulations are used. In a single processor calculation cellular automata method gives no advantage in computational speed. Particle diffusion is overestimated in cellular automata method. That leads to a larger cluster superstructure size which in turn requires a larger lattice. In this case cellular automata and kinetic Monte Carlo simulation times become comparable.