利用 DFT 与机器学习预测氧化物钙钛矿的带隙与带边位置
材料科学
2022-10-12 v2
摘要
局域或半局域密度近似下的密度泛函理论（DFT-LDA/GGA）已成为固体电子结构理论中的主力工具，在能量学与结构性质上极为快速且可靠，但在预测半导体与绝缘体带隙时仍高度不准确。使用第一性原理方法准确预测带隙十分耗时，需要杂化泛函、准粒子 GW 或量子蒙特卡洛方法。在高通量计算中，高效修正 DFT-LDA/GGA 带隙并揭示该修正涉及的主要化学与结构因素，对于发现新材料是值得期待的。在此方向上，我们利用 DFT 与机器学习技术来修正一类代表性 ABO3 钙钛矿氧化物的带隙与带边位置。以 HSE06 杂化泛函计算结果作为带隙目标值，我们发现该类材料存在约 1.5 eV 的系统性带隙修正，其中约 1 eV 来自价带下移，约 0.5 eV 来自导带上移。通过特征选择过程确定了决定带隙修正的主要化学与结构因素。
引用
@article{arxiv.2008.12412,
title = {Predicting band gaps and band-edge positions of oxide perovskites using DFT and machine learning},
author = {Wei Li and Zigeng Wang and Xia Xiao and Zhiqiang Zhang and Anderson Janotti and Rajasekaran Sanguthevar and Bharat Medasani},
journal= {arXiv preprint arXiv:2008.12412},
year = {2022}
}