[论文解读] Discovery and design of polar materials

Joseph W. Bennett, Karin M. Rabe|arXiv (Cornell University)|Jan 13, 2012

Machine Learning in Materials Science被引用 1

一句话总结

本文提出一种基于第一性原理和晶体学数据库的策略，用于发现新型极性材料，展示了该方法在三种体系中的应用：Sr(Sb1/2Mn1/2)O3、schafarzikite衍生物以及M2P2(S,Se)6铁电半导体。该方法能够通过集成计算筛选与结构分析，系统性地识别具有功能特性的新型极性材料，包括半导体性铁电体。

ABSTRACT

The development of strategies for the integration of first-principles methods with crystallographic database mining for the discovery and design of novel polar materials is discussed, drawing on the results and experience derived from exploratory investigations on three different systems: (1) the double perovskite Sr(Sb1/2Mn1/2)O3 as a candidate semiconducting ferroelectric; (2) polar derivatives of schafarzikite MSb2O4; and (3) ferroelectric semiconductors with formula M2P2(S,Se)6. A variety of avenues for further research and investigation are suggested, including automated structure type classification, low-symmetry improper ferroelectrics, and high-throughput first-principles searches for additional representatives of minor structural families with desirable functional properties.

研究动机与目标

• 开发一种结合第一性原理计算与晶体学数据库挖掘的系统性方法，用于发现新型极性材料。
• 在双钙钛矿和schafarzikite衍生物等研究不足的结构家族中识别有前景的候选材料。
• 探索M2P2(S,Se)6化合物作为具有可调电子性质的铁电半导体的潜力。
• 通过识别具有理想功能行为的结构特征，为未来的高通量搜索提供指导。
• 通过聚焦于次要结构家族，解决在传统高对称性钙钛矿之外发现极性材料的挑战。

提出的方法

• 利用晶体学数据库识别具有潜在极性畸变的候选结构。
• 应用第一性原理密度泛函理论（DFT）计算评估电子与铁电性质。
• 通过结构分析按对称性与极化特性对材料进行分类。
• 实施结构类型的自动化分类，以简化大规模数据库的筛选。
• 聚焦于传统搜索中常被忽略的低对称性与非正当铁电结构。
• 整合结构与电子标准，优先筛选具有所需功能行为的材料。

实验结果

研究问题

• RQ1 哪些研究不足的结构家族能够容纳稳定极性相，且具备适用于实际应用的功能特性？
• RQ2 第一性原理方法能否可靠预测复杂氧化物与硫属化物中的铁电性与半导体行为？
• RQ3 如何通过自动化分类增强晶体学数据库挖掘，以加速极性材料的发现？
• RQ4 低对称性与非正当铁电畸变在此类功能极性相的稳定中起到何种作用？
• RQ5 高通量筛选能否识别出具有理想电子与铁电性质的次要结构家族的新成员？

主要发现

• 通过第一性原理分析，发现双钙钛矿Sr(Sb1/2Mn1/2)O3是半导体性铁电材料的有前途候选。
• 在schafarzikite MSb2O4结构的极性衍生物中，发现了稳定的铁电畸变，扩展了可获得极性材料的范围。
• M2P2(S,Se)6家族被证明可支持具有可调带隙的铁电半导体，表明其在光电器件中的潜在应用价值。
• 将第一性原理方法与数据库挖掘相结合，可高效探索以往研究不足的结构家族。
• 本研究强调了聚焦低对称性与非正当铁电体系在发现新型功能材料中的重要性。
• 结构类型自动化分类被识别为扩展高通量发现工作规模的关键推动因素。