基于高通量搜索与机器学习方法识别直带隙硅结构
量子物理
2024-07-04 v1
摘要
硅基发光器件的应用受到金刚石硅间带隙的限制。本研究采用高通量方法加速直带隙硅晶体的发现。利用机器学习势能构建包含 2637 种硅全形态的数据集，并通过机器学习哈密顿量模型和密度泛函理论计算进行筛选，最终确定 47 种直带隙 Si 结构。我们计算了这些结构的态密度矩、能量及声学带结构，以验证其性能。此外，我们采用 HSE06 功能重新计算了这些结构的带隙。鉴别出 22 种潜在的光伏材料。其中，Si22-Pm 结构能带隙为 1.27 eV，其原子能量为 0.026 eV/atom，高于金刚石硅；Si18-C2/m 结构能带隙为 0.796 eV，表现出最高的态密度矩；Si16-P21/c 结构能带隙为 0.907 eV，其质量密度为 2.316 g/cm³，为鉴定结构中最高且高于金刚石硅；Si12-P1 结构能带隙为 1.69 eV，表现出最高的光谱限制最大效率（SLME）为 32.28%，超越金刚石硅。本研究为硅晶体的性质提供了洞见，并为材料发现提供了系统的高通量方法。
引用
@article{arxiv.2407.02784,
title = {Breeding the Cat Through Superposition of Two Schrodinger Kittens Based on Coupled Waveguides},
author = {Nuo Wang and Xinchen Zhang and Qi Liu and Fengxiao Sun and Qiongyi He and Ying Gu},
journal= {arXiv preprint arXiv:2407.02784},
year = {2024}
}