Importance of the nonlocal exchange potential for effective mass calculations in semiconductors: Benchmarking exchange-correlation potentials with the mstar60 dataset
Notice bibliographique
Résumé
The effective mass is an indicator of the carrier mobility, conductivity and the thermoelectric figure of merit and thus an important parameter in materials design and selection. The accuracy of effective masses predicted by density functional theory depends on the exchange-correlation functional employed, with nonlocal hybrid functionals giving more accurate results than semilocal functionals. In this article, we benchmark the performance of the Perdew-Burke-Ernzerhof, Tran-Blaha modified Becke-Johnson, and the hybrid Heyd-Scuseria-Ernzerhof (HSE) exchange-correlation functionals and potentials to calculate effective masses with perturbation theory. We introduce the mstar60 dataset which contains 60 effective masses derived from 18 semiconductors. We reveal that the nonlocal exchange in HSE enlarges the optical transition matrix elements leading to the superior accuracy of HSE in the calculation of effective masses. The omission of nonlocal exchange in the transition operator for HSE leads to serious errors. For the semilocal PBE functional, the errors introduced by underestimation of the band gap and of the optical transition matrix elements partially cancel out for the calculation of effective masses. We then compare effective masses of transition metal dichalcogenide bulk and monolayer materials: we show that changes in the matrix elements are important in understanding the layer-dependent effective mass renormalization.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».