高通量密度功能性扰动理论和机器学习对红外,压电和介电反应的预测
Kamal Choudhary1, Kevin F Garrity1, Vinit Sharma2,3
1Materials Science and Engineering Division, National Institute of Standards and Technology, Gaithersburg, Maryland 20899, USA.
npj computational materials
|November 20, 2024
概括
这项研究通过使用先进的计算方法计算数千种无机材料的红外,压电和介电反应来扩大材料属性数据库. 它识别了许多具有显著红外,压电和介电性能的材料,加速了材料的发现.
科学领域:
- 材料科学 材料科学 材料科学
- 凝聚物质物理学 凝聚物质物理学
- 计算化学计算化学
背景情况:
- 技术应用越来越依赖于物质对电场的反应.
- 对于这些材料属性的现有数据库是有限的,阻碍了科学进步.
- 了解红外,压电和介电性质对于开发新型设备至关重要.
研究的目的:
- 通过计算探索和扩大无机材料的红外,压电和介电性质的知识基础.
- 为潜在的技术应用确定具有重大反应的材料.
- 开发关键材料性质的预测模型.
主要方法:
- 使用高通量密度功能扰乱理论 (DFPT) 的计算.
- 集成机器学习方法用于数据分析和模型开发.
- 计算的 Γ 点声子,红外强度,波恩有效电荷,以及用于 5015 非金属材料的压电/介电张力器.
主要成果:
- 确定了3230种具有远红外模式的材料和1943种具有中红外模式的材料.
- 发现了577种具有高压电性 (≥ 0.5 C/m2) 的材料和593种具有高介电性 (≥ 20) 的材料.
- 开发了用于红外频率,波恩有效电荷,压电和介电张力器的精确回归和分类模型.
结论:
- 这项工作显著扩大了有关关键材料性质的可用数据.
- 鉴定的材料和开发的模型可以加速发现新的功能性材料.
- 对物质特征的分析提供了对结构与物质关系的洞察.
