MétaCan
Menu
Retour à la cohorte
Enregistrement W3096211036 · doi:10.1038/s41524-020-00434-z

Predominance of non-adiabatic effects in zero-point renormalization of the electronic band gap

2020· article· en· W3096211036 sur OpenAlexafffund

Notice bibliographique

Revuenpj Computational Materials · 2020
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueSemiconductor Quantum Structures and Devices
Établissements canadiensUniversité du Québec à Trois-RivièresUniversité de MontréalRegroupement Québécois sur les Matériaux de Pointe
Organismes subventionnairesLawrence Berkeley National LaboratoryBasic Energy SciencesNatural Sciences and Engineering Research Council of CanadaDivision of Materials ResearchOffice of ScienceFédération Wallonie-BruxellesWaalse GewestNational Energy Research Scientific Computing CenterNational Science FoundationCompute CanadaFonds De La Recherche Scientifique - FNRSU.S. Department of Energy
Mots-clésRenormalizationBand gapDegenerate energy levelsAnisotropyAdiabatic processRange (aeronautics)Electronic band structure

Résumé

récupéré en direct d'OpenAlex

Abstract Electronic and optical properties of materials are affected by atomic motion through the electron–phonon interaction: not only band gaps change with temperature, but even at absolute zero temperature, zero-point motion causes band-gap renormalization. We present a large-scale first-principles evaluation of the zero-point renormalization of band edges beyond the adiabatic approximation. For materials with light elements, the band gap renormalization is often larger than 0.3 eV, and up to 0.7 eV. This effect cannot be ignored if accurate band gaps are sought. For infrared-active materials, global agreement with available experimental data is obtained only when non-adiabatic effects are taken into account. They even dominate zero-point renormalization for many materials, as shown by a generalized Fröhlich model that includes multiple phonon branches, anisotropic and degenerate electronic extrema, whose range of validity is established by comparison with first-principles results.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,007
Tête enseignante GPT0,226
Écart entre enseignants0,219 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations111
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuenpj Computational MaterialsMême sujetSemiconductor Quantum Structures and DevicesTravaux en français237 207