基于机器学习与密度泛函理论设计镨基先进光致发光材料
材料科学
2023-06-22 v1
摘要
本工作提出一种机器学习方法，用于预测 Pr-Al-O 与 Pr-Sc-O 化合物族中具有光致发光应用潜力的新型钙钛矿氧化物材料。所预测的材料具有大带隙和高德拜温度，且迄今未被探索。预测化合物（PrAlO、PrAlO、PrScO 与 PrScO）经机器学习方法筛选，随后由密度泛函理论计算确认。该研究包括计算带隙与态密度以确定电子性质，以及计算光吸收与发射光谱以确定光学性质。预测化合物满足 Born-Huang 判据，证明了其机械稳定性。通过结合机器学习与密度泛函理论，本工作为材料发现与设计提供了更高效且全面的方法。
引用
@article{arxiv.2306.11978,
title = {Designing Pr-based Advanced Photoluminescent Materials using Machine Learning and Density Functional Theory},
author = {Upendra Kumar and Hyeon Woo Kim and Sobhit Singh and Hyunseok Ko and Sung Beom Cho},
journal= {arXiv preprint arXiv:2306.11978},
year = {2023}
}