Cálculos acelerados de aprendizaje automático de la adsorción de metales alcalinos en AlGaN: átomos mixtos, cobertura...

Área de la Ciencia:

• Ciencias de los materiales
• Ciencias de la superficie
• Química computacional

Sus antecedentes:

• La activación superficial es crucial para el desarrollo de fotocátodos de nitruro de aluminio (AlGaN) con baja afinidad superficial.
• La optimización de la composición de la superficie del fotocátodo de AlGaN, las especies de adsorbados y la cobertura es compleja y desafiante.

Objetivo del estudio:

• Desarrollar y validar un modelo de aprendizaje automático para predecir las propiedades superficiales de los fotocátodos de AlGaN.
• Identificar los descriptores clave que influyen en la energía de adsorción y la función de trabajo de las superficies de AlGaN.
• Explorar el potencial del aprendizaje automático para acelerar la ingeniería de superficies de fotocatodos.

Principales métodos:

• Construido con 625 AlGaN ((001)), con configuraciones de superficie que varían según el componente de Al, la cobertura y los átomos del grupo principal coadsorbidos (Li-Cs).
• Utilizó cálculos de la teoría de la densidad funcional (DFT) para determinar la energía de adsorción y la función de trabajo.
• Utilizó el algoritmo de aprendizaje automático XGBoost para el modelado predictivo, con análisis de características y optimización de hiperparámetros (algoritmo DBO).

Principales resultados:

• XGBoost logró una alta precisión en la predicción de la energía de adsorción (R2 = 0,982) y la función de trabajo (R2 = 0,902).
• Los descriptores dominantes identificados incluyen el número atómico, la función de trabajo atómico y el componente Al.
• El modelo optimizado XGBoost predijo con precisión las propiedades para nuevas configuraciones de superficie.

Conclusiones:

• Los modelos de aprendizaje automático, en particular XGBoost, demuestran la interpretabilidad y la transferibilidad para la ingeniería de superficies de fotocátodos.
• Este enfoque ofrece una vía eficiente para optimizar los procesos de superficie y diseñar fotocátodos avanzados de AlGaN.
• El estudio destaca el poder de los métodos computacionales para acelerar el descubrimiento de materiales para dispositivos optoelectrónicos.