利用大语言模型在MoS2中工程化点缺陷以实现材料性能调控
材料科学
2025-01-30 v1 计算物理
摘要
通过点缺陷工程对过渡金属二硫化物(TMDCs)的物理属性进行调控，具有显著的潜力，以发展下一代光电子和高科技应用。建立在机器学习驱动的材料设计基础上，本研究聚焦于系统性地在MoS2中引入和操作点缺陷，以调制其性能。我们利用通过密度泛函理论(DFT)计算生成的综合数据集，探讨了各种缺陷类型和浓度对TMDCs材料特性的影响。我们的 methodology 集成了使用预训练的大语言模型生成缺陷配置，从而实现对缺陷诱导性能修饰的高效预测。该研究不同于传统的材料生成与发现方法，后者使用最新的Transformer模型架构，这些模型已被证明是高效且准确的离散预测器。与基于随机生成配置后基于物理属性筛选的高通量方法相比，我们的方法不仅增进了对缺陷-性能关系在TMDCs中理解，也为设计具有定制化性能的材料提供了稳健的框架。这一工作推动了材料科学与技术的发展。
引用
@article{arxiv.2501.17279,
title = {Engineering Point Defects in MoS2 for Tailored Material Properties using Large Language Models},
author = {Abdalaziz Al-Maeeni and Denis Derkach and Andrey Ustyuzhanin},
journal= {arXiv preprint arXiv:2501.17279},
year = {2025}
}