Alineación de bandas de óxidos por red neuronal asistida por descriptores estructurales y aprendizaje de...

Área de la Ciencia:

• Ciencias de los materiales
• Química computacional
• Física de la materia condensada

Sus antecedentes:

• La alineación de bandas de semiconductores, aislantes y dieléctricos es crucial para el rendimiento del dispositivo.
• El potencial de ionización y la afinidad de electrones determinan las posiciones del borde de banda dependientes de la superficie.
• La determinación precisa requiere experimentos o simulaciones complejas.

Objetivo del estudio:

• Desarrollar un modelo de aprendizaje automático para predecir la alineación de bandas en óxidos no metálicos.
• Permitir una predicción rápida y sistemática de las posiciones de las bandas para varias superficies de óxido.

Principales métodos:

• Utilizó un conjunto de datos de cálculo de primeros principios de alto rendimiento de ~ 3000 superficies de óxido.
• Desarrolló un modelo de red neuronal entrenado en la estructura a granel y la información de terminación de superficie.
• Amplió el modelo para incorporar efectos de cationes múltiples y aplicarlo a los óxidos ternales.

Principales resultados:

• La red neuronal predice con precisión las posiciones de la banda para las superficies de óxido binario relajadas.
• El modelo maneja efectivamente los efectos de cationes múltiples y las transferencias a óxidos ternários.
• Logró predicciones precisas utilizando sólo la estructura en masa y los datos de terminación de la superficie.

Conclusiones:

• El aprendizaje automático ofrece un método eficiente para determinar la alineación de bandas en óxidos no metálicos.
• Este enfoque facilita la comprensión sistemática y la selección de materiales para aplicaciones electrónicas.
• Permite la predicción de la alineación de la banda para una amplia gama de superficies sólidas.