微秒载体寿命的原子起源:机器学习辅助的非adiabatic分子动力学
Yifan Wu1, Weibin Chu1,2,3, Bipeng Wang1
1Department of Chemistry, University of Southern California, Los Angeles, California 90089, United States.
Journal of the American Chemical Society
|January 29, 2025
概括
矿中的粒度边界对性能有不确定的影响. 这项研究使用机器学习和模拟来揭示这些边界可以通过分离电荷,使结构稳定.
科学领域:
- 材料科学
- 计算化学
- 固态物理
背景情况:
- 矿的多晶性导致许多颗粒边界 (GB) 和缺陷,影响设备的性能.
- GBs在矿载荷动态中的确切作用已在现有文献中得到讨论.
研究的目的:
- 调查电荷载体捕获和重组在矿粒边界的原子化机制.
- 使用先进的计算方法阐明 GB 结构,静脉测量和兴奋剂对载体寿命的影响.
主要方法:
- 开发一种用于精确原子相互作用的机器学习力场.
- 在纳米秒时间尺度上采样粒度边界结构.
- 模拟非相应的分子动力学,以模拟电荷载体动力学.
主要成果:
- 模拟预测微秒载波寿命由于电荷分离在GBs与最小的非adiabatic合.
- 立体测量 GB 显示暂时的陷状态,对载体寿命的影响很小.
- 化物补充剂稳定GBs并减少陷形成,而多余的Pb会破坏GBs的稳定,形成持久的中间状态.
结论:
- 矿颗粒边界可以通过电荷分离和有限的非adiabatic合来促进长载体寿命.
- 补充剂在稳定GB和减轻有害陷状态方面发挥着至关重要的作用,提高了材料性能.
- 了解GB的结构动力学是优化矿性能的关键.
更多相关视频
11:33All-electronic Nanosecond-resolved Scanning Tunneling Microscopy: Facilitating the Investigation of Single Dopant Charge Dynamics
Published on: January 19, 2018
9.5K
11:30Recombination Dynamics in Thin-film Photovoltaic Materials via Time-resolved Microwave Conductivity
Published on: March 6, 2017
11.6K
