基于机器学习潜力的钻石兴奋剂的原子模拟研究

科学领域:

• 材料科学 材料科学 材料科学
• 固态物理 固态物理
• 计算化学计算化学

背景情况:

• 钻石表现出卓越的半导体性能,但在实现高效的p型和n型兴奋剂方面面临挑战.
• 研究了联合兴奋剂策略,以克服钻石单元兴奋剂的局限性.

研究的目的:

• 系统地调查钻石中的氧 (B-O) 和硫 (B-S) 协同兴奋剂.
• 了解多邦比如何影响杂质复合物形成和电子性质.
• 为高性能p型和n型钻石确定最佳的协同兴奋剂策略.

主要方法:

• 采用混合模拟方法,将分子动力学和蒙特卡洛方法结合起来.
• 利用机器学习潜力进行精确的原子尺度建模.
• 分析了由此产生的杂质复合物的形成能量和电离能量.

主要成果:

• 4:1的B-O比率只形成B4O复合体,其形成能量低 (-1.92 eV) 和电离能低 (0.11 eV),非常适合p型钻石.
• 1:1的B-S比率产生了BS复合物,其形成能量降低,电离能低 (0.56 eV),适用于n型钻石.
• 4:1的BS比被确定为p型钻石的好处.

结论:

• 精确控制剂比率对于量身定制钻石的电子特性至关重要.
• 与 B-O 和 B-S 进行联合剂,为合成高质量的 p 型和 n 型钻石提供了有前途的途径.
• 这项研究为可控制合成联合化钻石半导体提供了原子规模的见解.