Benchmarking exchange-correlation potentials with the mstar60 dataset: Importance of the nonlocal exchange potential for effective mass calculations in semiconductors
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
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 (PBE), Tran-Blaha modified Becke-Johnson (TB-mBJ), and the hybrid Heyd-Scuseria-Ernzerhof (HSE06) exchange-correlation functionals and potentials for the calculation of effective masses with perturbation theory. We introduce the mstar60 dataset, which contains 60 effective masses derived from 18 semiconductors. The ratio between experimental and calculated effective masses is $1.70\ifmmode\pm\else\textpm\fi{}0.20$ for PBE, $0.76\ifmmode\pm\else\textpm\fi{}0.04$ for TB-mBJ, and $0.99\ifmmode\pm\else\textpm\fi{}0.04$ for HSE06. We reveal that the nonlocal exchange in HSE06 enlarges the optical transition matrix elements leading to the superior accuracy of the hybrid functional 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 in the band gap and the optical transition matrix elements partially cancel out in the calculation of effective masses. The TB-mBJ functional yields PBE-like matrix elements paired with realistic band gaps leading to a consistent overestimation of effective masses. However, if only limited computational resources are available, experimental masses can be estimated by multiplying TB-mBJ masses by a factor of 0.76. 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.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle