2024年10月11日，Phys. Rev. Mater.在线发表了波士顿大学Sahar Sharifzadeh课题组的研究论文，题目为《Machine learning electron-phonon interactions in two-dimensional semiconducting materials: The case of zero-point renormalization》。
由于其维度降低和屏蔽环境，二维（2D）材料中的电子-声子（EPH）相互作用可以被特别放大。这些相互作用可以用于技术应用，或者可能需要最小化以提高材料功能。因此，理解EPH相互作用的微观起源对于理解二维材料的功能行为至关重要。由于这些材料的结构和电子复杂性，开发EPH的物理直觉是困难的。第一性原理理论在原则上可以准确地描述EPH。然而，由于计算成本的原因，第一性原理理论仅限于研究少数材料体系，因此很难系统地研究一系列材料。
在此研究中，作者利用第一性原理理论来研究单层材料数据集中EPH相互作用的作用。利用密度泛函理论（DFT）描述激发态跃迁，利用特殊位移方法描述声子的作用，分析了简单物理可观测值与EPH耦合强度之间的关系。对于100多种材料，计算了零点振动（ZPR）运动引起的带隙重整化作为EPH相互作用的度量，并基于物理参数训练了一个机器学习（ML）模型。研究证明了EPH相互作用的强度高度依赖于带隙、介电常数和离子化程度，所有这些都可以在物理上得到证明。然后，将该模型应用于1302种二维材料来预测ZPR，对于随机选择的五种材料，ZPR与第一性原理预测一致。这项研究工作为定量预测二维材料中EPH相互作用的ZPR提供了一种方法。
图1 (a-c) ZPR与DFT-PBE带隙、面内电子介电常数和离子性的关系；(d) 训练数据库中几个代表性系统的原子几何
图2 (a) 机器学习(ML)工作流；(b) ERT训练和测试集精度和特征相关SHAP值在所有材料上的平均值；(c) 每种材料的特征相关SHAP值的小提琴图
图3 (a) 从C2DB数据库中预测1302种材料的ZPR与DFT-PBE带隙的关系；(b) 对随机选择的五种材料进行ML和DFT预测ZPR的比较研究
Haldar, A., Clark, Q., Zacharias, M. et al. Machine learning electron-phonon interactions in two-dimensional semiconducting materials: The case of zero-point renormalization. Phys. Rev. Mater., 2024, 8, L101001. https://doi.org/10.1103/PhysRevMaterials.8.L101001
【其他相关文献】
[1] Knøsgaard, N.R., Thygesen, K.S. Representing individual electronic states for machine learning GW band structures of 2D materials. Nat. Commun., 2022, 13, 468. https://doi.org/10.1038/s41467-022-28122-0[2] Miglio, A., Brousseau-Couture, V., Godbout, E. et al. Predominance of non-adiabatic effects in zero-point renormalization of the electronic band gap. npj Comput. Mater., 2020, 6, 167. https://doi.org/10.1038/s41524-020-00434-z
【注】：小编水平有限，若有误，请联系修改；若侵权，请联系删除！
