Wetenschap
Onderzoekers ontwikkelen een raamwerk voor het databanken van eigenschappen van kristaldefecten
Puntdefecten (bijvoorbeeld ontbrekende, extra of verwisselde atomen) in kristallijne materialen bepalen vaak de feitelijke elektronische en optische respons van een bepaald materiaal. Gecontroleerde vervangingen in halfgeleiders zoals silicium vormen bijvoorbeeld de ruggengraat van de moderne technologie. Ondanks hun belang zijn puntdefecten notoir moeilijk te simuleren en te karakteriseren, vooral in grote delen van het periodiek systeem.
Onderzoekers van het Lawrence Livermore National Laboratory (LLNL) hebben nu software gemaakt als onderdeel van de open-source softwaredistributie die dit soort berekeningen efficiënt en effectief kan automatiseren en analyseren.
De auteurs demonstreerden de volledig geautomatiseerde aanpak van verschillende technologisch belangrijke materialen. waaronder galliumnitride (de basis van alle moderne solid-state verlichting), galliumoxide (een opkomende halfgeleider met ultrabrede bandafstand) en strontiumtitanaat (een veel bestudeerd gangbaar mineraal), waarvan het werk onlangs is gepubliceerd in het Journal of Applied Physics en geselecteerd als Editor's Pick als onderdeel van een speciale uitgave over "Defects in Semiconductors."
"Dit werk heeft ons in staat gesteld om systematischer te kijken naar verschillende soorten defecten in materialen die het gedrag vertonen waarnaar we op zoek waren", zegt Lars Voss, co-auteur van het werk.
"We voeren dit soort berekeningen al jaren met de hand uit, maar moderne ontwikkelingen op het gebied van high-throughput computing en databasesoftware hebben dit tot een meer praktische en flexibele aanpak gemaakt", zegt LLNL-wetenschapper Joel Varley, ook een bijdragende auteur van het artikel.
De studie- en open-sourcesoftware die als onderdeel van het project is ontwikkeld, heeft de belangstelling gewekt van een aantal internationale onderzoeksteams en de industrie, aldus de onderzoekers.
"Nu we een raamwerk hebben ontwikkeld om deze aanpak te stroomlijnen met moderne databasepraktijken, opent dit een eenvoudig pad om gegevens te verzamelen voor machine-learning-benaderingen die door de gemeenschap systematisch kunnen worden toegepast op eigenschappen met puntdefecten", zegt Jimmy Shen, hoofd auteur op het papier.