基于深度学习的光谱预测：半导体介电常数的预测
材料科学
2024-12-23 v2
摘要
基于机器学习预测光谱及其相关属性（如半导体的介电常数）具有巨大的、尚未被充分利用的技术潜力。因此，我们构建了一个包含 9915 个半导体和绝缘体介电张量的数据库，这些数据在独立粒子近似（IPA）下计算得出。此外，我们 presented OptiMate 系列机器学习模型，这是一系列图注意力神经网络（GAT），训练用于预测介电常数和折射率。OptiMate 能够仅凭晶体结构就准确预测半导体的光谱。在不通过惩罚项的情况下，获得平滑、无损失的曲线。
引用
@article{arxiv.2406.08191,
title = {Deep learning of spectra: Predicting the dielectric function of semiconductors},
author = {Malte Grunert and Max Großmann and Erich Runge},
journal= {arXiv preprint arXiv:2406.08191},
year = {2024}
}