🔬 materials science

Accelerating discovery of infrared nonlinear optical materials with large shift current via high-throughput screening

Deze studie maakt gebruik van een hoogdoorvoekscreningstrategie op meer dan 154.000 materialen om 32 infrarode nietlineaire optische kandidaten met sterke verschuivingsstroomresponsen te identificeren, waarbij wordt onthuld dat gelaagde structuren met $C_{3v}$ -symmetrie en zware p-blokelementen bijzonder veelbelovend zijn voor de volgende generatie optische toepassingen.

Oorspronkelijke auteurs: Aiqin Yang, Dian Jin, Mingkang Liu, Daye Zheng, Qi Wang, Qiangqiang Gu, Jian-Hua Jiang

Gepubliceerd 2026-07-28

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Aiqin Yang, Dian Jin, Mingkang Liu, Daye Zheng, Qi Wang, Qiangqiang Gu, Jian-Hua Jiang

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je de wereld van het licht niet alleen voor als iets dat ons laat zien, maar als een krachtige rivier van energie die wacht om in elektriciteit te worden omgezet. Decennialang hebben we vertrouwd op een specifiek soort "dam" om deze energie op te vangen: het zonnepaneel. Deze panelen werken door een speciale junctie (zoals een muur tussen twee verschillende materialen) te gebruiken om elektronen één kant op te duwen, waardoor een stroom ontstaat. Maar er is een addertje onder het gras: deze ouderwetse methode heeft een hard plafond voor hoeveel spanning het kan produceren, en het negeert grotendeels het onzichtbare, warme deel van het lichtspectrum dat bekend staat als infrarood.

Maak kennis met een andere, meer magische manier om licht op te vangen, de "bulk fotovoltaïsche effect". In plaats van een muur of een junctie nodig te hebben, vindt dit effect plaats binnen een enkele, perfect symmetrische kristalstructuur die geen middelpunt heeft. Wanneer licht erop valt, springen de elektronen niet alleen; ze "verschuiven" hun positie in de echte ruimte, zoals een danser die plotseling een gecoördineerde stap opzij zet. Dit creëert een constante stroom van elektriciteit zonder dat er een externe batterij of spanning nodig is. De wetenschappers noemen dit de "shift current" (verschuivingsstroom). Het grote mysterie is geweest: waar bevinden zich de beste materialen hiervoor, vooral voor infrarood licht? Het vinden ervan was als het zoeken naar een naald in een hooiberg, waarbij men meestal één materiaal tegelijk testte en op het beste hoopte.

De Grote Digitale Jacht

In deze studie besloot een team van onderzoekers te stoppen met gokken en te beginnen met zoeken met een superkrachtig net. Ze keken niet alleen naar een paar materialen; ze wierpen een massaal digitaal net uit over een database die meer dan 154.000 bekende anorganische verbindingen bevat. Zie deze database als een enorme bibliotheek van elk bekend chemisch recept. Het team bouwde een slimme, meerfasige filter om door deze bibliotheek te sorteren, op zoek naar kristallen die stabiel waren, niet-magnetisch waren en de juiste soort "asymmetrie" hadden om elektronen te laten verschuiven.

Na het wegfilteren van het onmogelijke en het onstabiele, bleven er 2.519 veelbelovende kandidaten over. Vervolgens draaiden ze snelle computersimulaties op al deze kandidaten om te zien hoe goed ze deze "shift current" konden genereren. Het was een marathon van berekeningen, maar de resultaten waren een goudmijn. Ze vonden 32 materialen die een zeer sterke respons vertoonden, maar de echte schatzoektocht was pas net begonnen.

De Infrarood Kampioenen

Het team wilde weten welke van deze 3je 32 kampioenen kon werken met infrarood licht—het soort licht dat warmte draagt en wordt gebruikt in nachtzichtbrillen of afstandsbedieningen. Na het draaien van nog preciezere en gedetailleerdere simulaties (met behulp van een nauwkeurigere wiskundige methode om hun werk te controleren), brachten ze het aantal terug naar 9 speciale materialen.

De ster van de show is een verbinding genaamd Sn5Ge2(SbTe5)2. In hun simulaties vertoonde dit materiaal een enorme shift current respons van 616 µA/V². Om dit in perspectief te plaatsen: het artikel merkt op dat dit vier keer sterker is dan het beste tot nu toe bekende infrarode materiaal. Andere toppresteerders waren BiSb en Ge(SbTe2)2, die ook enorme responsen vertoonden in het infrarode bereik.

De onderzoekers ontdekten een geheim recept voor succes. De beste materialen waren niet willekeurig; ze deelden allemaal een specifieke "persoonlijkheid". Ze hadden de neiging een gelaagde structuur te hebben (zoals een stapel pannenkoeken) en een specifiek type symmetrie genaamd C3v. Belangrijker nog, ze zaten vol met zware elementen uit het "p-blok" van het periodiek systeem, specifiek Tellurium (Te), Antimony (Sb), Germanium (Ge) en Selenium (Se). Het artikel suggereert dat deze zware atomen elektronwolken hebben die groot en directioneel zijn, waardoor ze die grote "dansstap" kunnen maken wanneer ze worden geraakt door licht, wat een krachtige stroom creëert.

Van Simulatie naar Slimme Voorspelling

Maar het team stopte niet alleen bij het vinden van deze 9 materialen. Ze realiseerden zich dat het controleren van 154.000 materialen één voor één traag is, zelfs voor computers. Dus gebruikten ze hun nieuwe data om een kunstmatige intelligentie (AI) model te trainen. Ze leerden de AI om naar de vorm en de ingrediënten van een kristal te kijken en te voorspellen hoe goed het zou zijn in het genereren van een shift current.

Ze testten deze AI op materialen die de AI nog nooit eerder had gezien, inclusen enkele met zeer grote en complexe structuren die moeilijk direct te simuleren zijn. De AI identificeerde succesvol twee nieuwe, grote kristalkandidaten (Cs(Bi2Te3)2 en Sn(BiTe2)2) die veelbelovend leken. Dit bewijst dat de dataset die zij hebben gecreëerd een krachtig hulpmiddel is dat wetenschappers helpt om toekomstige materialen veel sneller te vinden, zonder elk van hen vanaf nul te hoeven simuleren.

Wat dit betekent voor de toekomst

Het artikel concludeert dat hoewel deze materialen momenteel via computersimulaties worden geïdentificeerd, ze zeer veelbelovend lijken voor echt gebruik. De onderzoekers wijzen erop dat veel van deze chemische combinaties vergelijkbaar zijn met materialen die wetenschappers al weten te maken in laboratoria, wat suggereert dat het bouwen van deze materialen niet slechts een droom is.

Als deze materialen in de echte wereld gemaakt en getest kunnen worden, zouden ze de manier waarop we met infrarood licht omgaan kunnen revolutioneren. Stel je zelfvoorzienende sensoren voor die geen batterijen nodig hebben, infraroodcamera's die ongelooflijk gevoelig zijn, of nieuwe manieren om energie te oogsten uit warmte en licht. Het artikel beweert niet dat deze apparaten al bestaan, maar het heeft de kaart en de coördinaten geleverd voor de volgende generatie wetenschappers om deze te bouwen. Door snelle computerscreening te combineren met slimme AI, heeft het team een probleem van "een naald in een hooiberg" veranderd in een gerichte schatzoektocht, die een nieuwe klasse materialen onthult die klaar zijn om de toekomst van lichttechnologie aan te drijven.

Technische Samenvatting: Versnellen van de ontdekking van infrarode nietlineaire optische materialen met grote shift-current via high-throughput screening

Probleemstelling
De ontdekking van nietlineaire optische (NLO) materialen die in staat zijn sterke shift-current responsen te genereren, met name binnen het infrarode (IR) regime, blijft een aanzienlijke uitdaging voor de volgende generatie opto-elektronica. Hoewel het bulk fotovoltaïsch effect (BPVE) een interface-vrije mechanisme biedt voor het genereren van constante gelijkstroom-fotostromen en boven-bandgap fotospanningen, worden praktische toepassingen momenteel beperkt door lage fotostromen en een slechte energieconversie-efficiëntie. Bestaande high-throughput inspanningen zijn beperkt gebleven tot specifieke structurele families of kleine databases, waardoor de enorme chemische en structurele ruimte van de Materials Project (MP) database grotendeels onontgonnen is gebleven voor hoogwaardige IR shift-current materialen. Bovormelijk creëert het gebrek aan hoogwaardige, grootschalige datasets voor shift-current responsen een bottleneck voor de ontwikkeling van AI-gestuurde voorspellende en generatieve modellen.

Methodologie
De auteurs gebruikten een ongeëvenaarde, meerfasige high-throughput screening workflow toegepast op de MP-database, die initieel meer dan 154.000 anorganische materialen bevatte. Het screeningsproces omvatte de volgende stappen:

Filtering: Een reeks criteria werd toegepast om niet-centrosymmetische, thermodynamisch redelijke en computationeel hanteerbare kandidaten te identificeren. De filters omvatten symmetrie (niet-centrosymmetrisch), elektronische structuur (PBE bandgap $E_g > 0,1$ eV, niet-magnetisch), thermodynamische stabiliteit (energie boven de convex hull $E_{hull} \le 50$ meV/atoom), elementaire samenstelling (uitsluiting van gedeeltelijk gevulde 3d-schillen en lanthaniden/actiniden) en eenheidscelgrootte (minder dan 20 atomen). Dit reduceerde de pool tot 2.519 kandidaten.
First-Principles Berekeningen (PBE-niveau): Elektronische structuren en optische responsen voor alle 2.519 kandidaten werden berekend met de Perdew-Burke-Ernzerhof (PBE) exchange-correlation functionaal binnen de ABACUS-package. De shift current conductiviteitstensor $\sigma_{abc}$ werd berekend met de PYATB-package op basis van de DFT-Hamiltoniaan.
Verfijnde Berekeningen (HSE-niveau): De top 32 kandidaten, gedefinieerd door een PBE shift current respons $|\sigma_{abc}|_{max} > 100$ µA/V $^2$ , ondergingen verdere evaluatie met de Heyd-Scuseria-Ernzerhof (HSE) hybride functionaal om nauwkeurigere bandgaps en NLO-responsen te verkrijgen.
Machine Learning Validatie: Om het nut van de gegenereerde dataset voor AI-gestuurde ontdekking aan te tonen, werd een prototype machine learning model, DPA3- $\sigma$ , ontwikkeld. Dit model maakte gebruik van transfer learning van de voorgetrainde DPA3 graph neural network (oorspronkelijk ontworpen voor interatomaire potentialen) om de maximale shift current respons te voorspellen vanuit structurele embeddings.

Belangrijkste Bijdragen

Omvattende Dataset: De studie vestigt een van de meest uitgebreide first-principles datasets voor de shift current respons tot nu toe, die 2.519 niet-centrosymmetische materialen dekt met gedetailleerde PBE- en HSE-niveau berekeningen.
Ontwerpprincipes: Het werk identificeert specifieke structurele en chemische ontwerpprincipes voor het verbeteren van de shift current: materialen met $C_{3v}$ symmetrie (specifiek de trigonale $R3m$ ruimtelijke groep) die zware p-blok elementen (met name Te, Sb, Ge en Se) bevatten, vertonen superieure prestaties.
AI-Pipeline Demonstratie: Het artikel valideert een transfer learning strategie (DPA3- $\sigma$ ) voor het screenen van grootschalige databases, waarbij wordt aangetoond dat het model in staat is om te generaliseren van kleine trainingssets naar grotere, out-of-domain systemen (20–60 atomen) met een hoge recall en precisie.

Resultaten

Identificatie van Kandidaten: Vanuit de 2.519 gescreende materialen werden 32 kandidaten met sterke shift current responsen ( $|\sigma_{abc}|_{max} > 100$ µA/V $^2$ ) geïdentificeerd op PBE-niveau.
IR-regio Ontdekking: Na HSE-verfijning werden 9 materialen bevestigd die uitgesproken shift current pieken vertonen binnen het IR-gebied. De sterkste kandidaat, Sn $_5$ Ge $_2$ (SbTe $_5$ ) $_2$ (mp-1219067), vertoont een piek shift current van 616 µA/V $^2$ bij 0,08 eV (HSE-niveau), wat ongeveer vier keer groter is dan de eerder gerapporteerde topologische semimetaal TaAs.
Materiaaleigenschappen: De geïdentificeerde IR-kandidaten omvatten zowel thermodynamisch stabiele als metastabiele verbindingen. De meeste kristalliseren in gelaagde trigonale structuren met gebroken inversiesymmetrie. De shift current respons wordt gedomineerd door in-plane tensor componenten (bijv. $xxy$, $yxx$, $-yyy$) voor $C_{3v}$ materialen.
Spectrale Distributie: Onder de top 32 kandidaten vertonen 9 een IR-respons, 18 laten een VIS-respons zien en 5 een UV-respons. De HSE-correctie verminderde over het algemeen de magnitude van de shift current pieken en veroorzaakte een blauwverschuiving van de resonantie-energieën vergeleken met de PBE-resultaten.
Machine Learning Prestaties: Het DPA3- $\sigma$ model behaalde een recall van 80,0% en een precisie van 80,0% bij het screenen voor kandidaten met $\sigma > 100$ µA/V $^2$ . Bij toepassing op een subset van de MP-database met complexe systemen (>30 atomen), identificeerde het model succesvol twee nieuwe hoog-respons kandidaten, Cs(Bi $_2$ Te $_3$ ) $_2$ en Sn(BiTe $_2$ ) $_2$ .

Betekenis
Het artikel beweert dat dit werk het materiaallandschap voor bulk fotovoltaïsche effecten significant uitbreidt van het zichtbare/ultraviolette spectrum naar het infrarode gebied. Door materialen met sterke IR shift current responsen te identificeren, biedt de studie veelbelovende platformen voor toepassingen zoals IR-fotodetectie, zelfvoorzienende sensoren en energie oogst zonder externe bias. Bovendien adresseert de vestiging van een hoogwaardige, grootschalige first-principles dataset een kritiek gat in het NLO-onderzoek, en dient het als een fundamentele bron voor toekomstige data-gestuurde ontdekking en de ontwikkeling van voorspellende machine learning modellen. De succesvolle demonstratie van de DPA3- $\sigma$ pipeline illustreert de haalbaarheid van het gebruik van transfer learning om de screening van complexe materialen met grote eenheidscellen te versnellen, die computationeel duur zijn om met standaard DFT-methoden te evalueren. De auteurs benadrukken dat hoewel spin-orbiet koppeling (SOC) niet is opgenomen in de huidige screening, de geïdentificeerde ontwerpprincipes (polaire $C_{3v}$ symmetrie en zware p-blok chemie) een duidelijke microscopische rationale bieden voor toekomstige, meer gedetailleerde onderzoeken en experimentele validatie.

Meer zoals dit