-
题名基于机器学习的二维材料激子结合能预测
- 1
-
-
作者
王韬
金浩
卫亚东
-
机构
深圳大学物理与光电工程学院
-
出处
《现代应用物理》
2025年第1期206-211,共6页
-
基金
国家自然科学基金资助项目(12034014)
中国博士后科学基金资助项目(2023M742403)。
-
文摘
2维材料的激子结合能E_(b)对其光电特性至关重要。然而,无论是用实验还是用理论计算方法筛选材料获得合适E_(b)的光电材料时,都会遇到材料数量众多,耗费时间太长,难以进行全面有效筛选的困难。本文引入机器学习技术,应用SISSO算法对2维材料的E_(b)进行了预测。结果表明:E_(b)主要与材料带隙E_(g)、功函数w、带间极化率p_(y)相关,其中,E_(g)和w与E_(b)呈正相关,p_(y)与E_(b)呈负相关;成功建立了预测模型,该模型决定系数达到86.39%,均方根偏差为0.18 eV,具有较好的预测能力。研究工作揭示了机器学习在预测2维材料激子结合能方面的重大潜力,为2维材料光电器件的研究、开发及优化提供了理论指导和新思路。
-
关键词
激子结合能
机器学习
sisso算法
2维材料
-
Keywords
exciton binding energy
machine learning
sisso method
two-dimensional materials
-
分类号
TL99
[核科学技术—核技术及应用]
TP183
[自动化与计算机技术—控制理论与控制工程]
-
