基于机器学习与晶体结构预测的带隙可调三元混阴离子半导体
材料科学
2019-04-03 v1
摘要
我们报道了一系列三元 XYZ 与 XYZ 化合物的计算研究,其中 X={Mg, Ca, Sr, Ba},Y={P, As, Sb, Bi},Z={S, Se, Te}。这些材料的组分通过机器学习引导的搜索预测得到,而结构则使用极小值跳跃晶体结构预测方法解析。基于 计算,我们预测其中许多化合物在热力学上稳定。特别地,21 个 XYZ 化合物结晶于 对称性的四方结构,并展现 0.3 至 1.8 eV 范围内的带隙,非常适于各类能源应用。我们展示若干候选化合物(特别是 XYTe 与 XSbSe)在可见范围内具有良好光吸收,而其他(例如 BaSbSe)因高功率因子与极低晶格热导率而展现优异热电性能。
引用
@article{arxiv.1812.02708,
title = {Ternary mixed-anion semiconductors with tunable band gaps from machine-learning and crystal structure prediction},
author = {Maximilian Amsler and Logan Ward and Vinay I. Hegde and Maarten G. Goesten and Xia Yi and Chris Wolverton},
journal= {arXiv preprint arXiv:1812.02708},
year = {2019}
}