Les défauts ponctuels (par exemple, atomes manquants, supplémentaires ou échangés) dans les matériaux cristallins déterminent souvent la réponse électronique et optique réelle d'un matériau donné. Par exemple, les substitutions contrôlées dans les semi-conducteurs comme le silicium constituent l’épine dorsale de la technologie moderne. Malgré leur importance, les défauts ponctuels sont notoirement difficiles à simuler et à caractériser, en particulier dans de vastes régions du tableau périodique.
Des chercheurs du Lawrence Livermore National Laboratory (LLNL) ont désormais créé un logiciel dans le cadre de sa distribution de logiciels open source qui peut automatiser et analyser de manière efficace et efficiente ces types de calculs.
Les auteurs ont démontré l’approche entièrement automatisée sur plusieurs matériaux technologiquement importants. y compris le nitrure de gallium (la base de tout éclairage à semi-conducteurs moderne), l'oxyde de gallium (un semi-conducteur émergent à ultra-large bande) et le titanate de strontium (un minéral commun largement étudié), avec des travaux récemment publiés dans le Journal of Applied Physics et sélectionné comme choix de l'éditeur dans le cadre d'un numéro spécial sur les "Défauts des semi-conducteurs".
"Ce travail nous a permis d'examiner plus systématiquement différents types de défauts dans les matériaux qui présentent le comportement que nous recherchions", a déclaré Lars Voss, co-auteur du travail.
"Nous effectuons ce type de calculs à la main depuis des années, mais les progrès modernes en matière de calcul à haut débit et de logiciels de bases de données en ont fait une approche plus pratique et plus flexible", a déclaré Joel Varley, scientifique au LLNL et également auteur de l'article.
L'étude et le logiciel open source développés dans le cadre du projet ont suscité l'intérêt d'un certain nombre d'équipes de recherche internationales et de l'industrie, ont indiqué les chercheurs.
"Maintenant que nous avons développé un cadre pour rationaliser cette approche avec des pratiques de base de données modernes, cela ouvre une voie simple pour conserver les données pour des approches d'apprentissage automatique qui seront systématiquement appliquées aux propriétés des défauts ponctuels par la communauté", a déclaré Jimmy Shen, responsable auteur sur le papier.
