基于高通量第一性原理计算与机器学习的二维光电八面体氧卤化物加速发现
材料科学
2021-02-24 v1
摘要
传统的试错法是大规模搜索新型光电材料的障碍。本文提出一种结合高通量第一性原理计算与机器学习方法来预测具有改进光电性质的二维八面体氧卤化物。我们基于由密度泛函计算生成的包含300种二维八面体氧卤化物的几何与电子性质的大型数据集，开发了有效的机器学习模型。该模型加速了对5000种二维八面体氧卤化物中潜在光电材料的筛选。模型中提出的畸变堆叠八面体因子在机器学习预测中起关键作用。我们成功预测了若干具有适中带隙、高电子迁移率和超高吸收系数的潜在二维光电八面体氧卤化物。
引用
@article{arxiv.1909.10395,
title = {Accelerated Discovery of Two-Dimensional Optoelectronic Octahedral Oxyhalides via High-Throughput Ab Initio Calculations and Machine Learning},
author = {Xing-Yu Ma and James P. Lewis and Qing-Bo Yan and Gang Su},
journal= {arXiv preprint arXiv:1909.10395},
year = {2021}
}
备注
The Journal of Physical Chemistry Letters accepted