二维范德瓦耳斯异质结构的高效计算设计：能带对齐、晶格失配、网络应用生成与机器学习
材料科学
2024-02-19 v2
摘要
我们开发了一个计算数据库、网络应用和机器学习（ML）模型，以加速二维（2D）异质结构的设计与发现。利用基于密度泛函理论（DFT）的 674 种可剥离非金属 2D 材料的晶格参数和电子能带能量，我们生成了 226,779 种可能的异质结构。根据基于非相互作用单层相对能带对齐的 Andersons 规则，我们将这些异质结构分类为 I 型、II 型和 III 型体系。我们发现 II 型最常见，而 III 型最不常见。随后我们根据构成元素的周期表分析了每种异质结构类型的化学趋势。能带对齐数据也可用于识别光催化剂和高功函数 2D 金属接触。我们通过将其与实验数据以及杂化泛函预测进行比较来验证我们的结果。此外，我们对几个选定体系（MoS2/WSe2、MoS2/h-BN、MoSe2/CrI3）进行了 DFT 计算，以将能带对齐描述与 Andersons 规则的预测进行比较。我们开发了网络应用，使用户能够虚拟地创建 2D 材料组合并预测其性质。此外，我们使用 ML 工具预测 2D 材料的能带对齐信息。这些网络应用、工具和关联数据将通过 JARVIS-Heterostructure 网站（https://jarvis.nist.gov/jarvish/）发布。我们的分析、结果和开发的网络应用可应用于筛选和设计应用，例如寻找新型光催化剂、光电探测器和功函数（WF）高的 2D 金属接触。
引用
@article{arxiv.2004.03025,
title = {Efficient Computational Design of 2D van der Waals Heterostructures: Band-Alignment, Lattice-Mismatch, Web-app Generation and Machine-learning},
author = {Kamal Choudhary and Kevin F Garrity and Steven T. Hartman and Ghanshyam Pilania and Francesca Tavazza},
journal= {arXiv preprint arXiv:2004.03025},
year = {2024}
}