Chalcogen Impurity Barriers in 2D Systems via Semi-Empirical/Machine Learning Modeling: A Survey over 4000 Materials
Questo studio presenta un approccio scalabile che combina il metodo semi-empirico di Hückel esteso con modelli di machine learning interpretabili per screeningare oltre 4000 materiali bidimensionali, identificando rapidamente quelli con basse barriere energetiche per l'adsorbimento di impurezze calcogeniche (S, Se, Te) e ottimizzandoli per applicazioni in catalisi, sensing e funzionalizzazione superficiale.
M. L. Pereira Junior, M. G. E. da Luz, P. Cesana, A. L. da Rosa, M. J. Piotrowski, D. Guedes-Sobrinho, T. A. S. Pereira, E. A. Moujaes, A. C. Dias, R. M. Tromer2026-02-27🔬 cond-mat.mtrl-sci