将准粒子和激子特性融入材料发现
材料科学
2024-02-01 v1
摘要
近年来，GW-BSE已被证明在研究材料的准粒子（QP）能带结构和光学特性中的激子效应方面非常成功。然而，此类计算带来的巨大计算成本限制了它们在高通量材料发现研究中的适用性。最近，我们开发了一个Python工作流包GWBSE，用于执行高通量GW-BSE模拟。在这项工作中，我们使用GWBSE创建了一个包含超过350种化学和结构多样性材料的各种QP特性和激子特性的数据库。尽管数据集规模相对较小，但我们通过该数据集获得了高度准确的监督机器学习（ML）模型。这些模型预测准粒子带隙的RMSE为0.36 eV，预测材料激子结合能的RMSE为0.29 eV，并将材料分类为高或低激子结合能材料，分类准确率达到90%。我们通过利用Materials Project数据库，举例说明了这些ML模型在发现159种可见光和203种紫外光光吸收材料中的应用。
引用
@article{arxiv.2401.17831,
title = {Incorporating quasiparticle and excitonic properties into material discovery},
author = {Tathagata Biswas and Arunima K. Singh},
journal= {arXiv preprint arXiv:2401.17831},
year = {2024}
}