亚洲中文字幕在线精品,三年片在线看免费观看,午夜成人亚洲理伦片在线观看

范德華（vdW）異質結構是由不同的二維（2D）單層垂直堆疊并通過范德華相互作用弱耦合而形成的，該異質結構通常具有豐富的物理化學性質。由于最近發現了許多2D材料，vdW堆疊異質結構的組合構型空間變得非常大，因此很難通過傳統的實驗或計算方法以試錯法的方式進行探索。

在此，美國德州農工大學Fengxiao Qian、Tahir Cagin及空軍研究實驗室Ruth Pachter等人提出了一個計算框架，它結合了第一性原理電子結構計算、2D材料數據庫和監督機器學習方法來構建有效的數據驅動模型，該模型能夠根據其組成的單層特性預測vdW異質結構的電子和結構特性。

首先，作者從2D材料數據庫中挖掘材料數據和基態晶體結構。然后，對vdW異質結構設計空間進行采樣。隨后優化雙層晶胞和原子位置，并使用高通量DFT計算獲取相應的電子能帶結構。最后，確定了五個目標材料特性：電子帶隙（E_g）、電子親和能（EA）、電離能（IE）、層間距離（d₀）和層間結合能（E_b）。同時，作者對單層材料數據進行特征化和聚合，為整個材料設計空間構建了一組獨特的雙層機器學習描述符。

圖1. DFT計算和機器學習工作流程的一般示意圖

進一步，使用近800個vdW雙層異質結構及其相應的DFT目標屬性，作者訓練了監督機器學習模型并對剩余的未標記雙層材料空間進行預測。研究表明，開發的機器學習模型可實現低誤差預測E_g、IE、EA、d₀和E_b，為篩選巨大的雙層vdW異質結構材料空間提供了有價值的工具并顯著降低了廣泛的光電應用的計算成本。

此外，對于AA和AB堆疊配置，大多數vdW異質結構的平衡層間距離存在很大差異。因此，預計其相應的扭曲莫爾異質結構將經歷原子重建，具有空間變化的面外彎曲和面內張力和壓縮，這最終將影響莫爾超晶格中準粒子之間的相互作用?？傊?，這項研究提出的數據驅動模型將為有效篩選和發現具有目標器件應用所需電子和光學特性的低維vdW異質結構和莫爾超晶格開辟新道路。

圖2. 層間距離和層間結合能的預測結果

Predicting Van der Waals Heterostructures by a Combined Machine Learning and Density Functional Theory Approach, ACS Applied Materials & Interfaces 2022. DOI: 10.1021/acsami.2c04403

原創文章，作者：v-suan，如若轉載，請注明來源華算科技，注明出處：http://www.zzhhcy.com/index.php/2023/10/08/aa24052502/

末成年小嫩xb,嫰bbb槡bbbb槡bbbb,免费无人区码卡密,成全高清mv电影免费观看

ACS AMI：機器學習+DFT預測范德華異質結構

末成年小嫩xb,嫰bbb槡bbbb槡bbbb,免费无人区码卡密,成全高清mv电影免费观看

ACS AMI：機器學習+DFT預測范德華異質結構

相關推薦