项目名称: 两种直接带隙型Cu基p型透明导电材料的理论设计与性能优化

项目编号: No.61204104

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 信息四处

项目作者: 黄丹

作者单位: 湖南文理学院

项目金额: 24万元

中文摘要: CuAlS2和γ-CuI是近年来两种广受关注的直接带隙型p型透明导电材料。本项目欲利用第一性原理计算并结合其它相关计算软件,对这两种材料的电子结构、本征缺陷及外界杂质掺入进行具体的理论研究,旨在从空穴浓度和迁移率两方面提升它们的p型导电性,找出最有利的p型导电缺陷,并建立缺陷与空穴浓度、迁移率之间的微观联系。进一步考虑利用n型、p型共掺杂在价带顶形成杂质带的方法,降低p型缺陷的过渡能级,为提高CuAlS2及γ-CuI的空穴浓度提供共掺杂实验优化方案。同时,横向与其他p型或n型透明导电材料的电子结构进行比较,找出相关的物理规律,为获得浅的p型缺陷以及优良的母体材料提供标准。

中文关键词: p 型透明导电材料;缺陷;第一性原理计算;电子结构;

英文摘要: CuAlS2 and γ-CuI are two kinds of good candidates with direct band gap for p-type Transparent conductive materials(TCMs), which have been paid much attention by material scientists in recent years. This proposal focuses on the electronic structure, intrinsic and extrinsic defects in this two kinds of p-type TCMs by using the first-principles calculation combining with other calculating methods. Our purpose is increasing the p-type conductivity from hole concentration and mobility to make them close to even reach to the application requirements. We try to find out the best p-type defects and establish the microscopic relationship between defects and hole concentration/mobility. Then, considering the impurity band method by codoping n-type and p-type impurity, we attempt to decrease the transition level of the p-type defect and give some codoping suggestion to the experiment. At the same time, we compare their electronic structures with other p-type and n-type TCMs and find out some microscopic clues, which could supply the physics criterion for shallow p-type defect and excellent candidate for p-type TCMs.

英文关键词: p-type transparent conductive materials;defect;first-principles calculation;electronic structure;

成为VIP会员查看完整内容
0

相关内容

深度神经网络FPGA设计进展、实现与展望
专知会员服务
34+阅读 · 2022年3月21日
【博士论文】分形计算系统
专知会员服务
33+阅读 · 2021年12月9日
逆优化: 理论与应用
专知会员服务
36+阅读 · 2021年9月13日
专知会员服务
42+阅读 · 2021年9月7日
专知会员服务
31+阅读 · 2021年5月7日
专知会员服务
21+阅读 · 2021年3月9日
【WWW2021】用优化框架解释和统一图神经网络
专知会员服务
44+阅读 · 2021年2月1日
应用知识图谱的推荐方法与系统
专知会员服务
115+阅读 · 2020年11月23日
你的哪类电子产品换新频率最高?
ZEALER订阅号
0+阅读 · 2022年1月11日
【博士论文】分形计算系统
专知
2+阅读 · 2021年12月9日
借助新的物理模拟引擎加速强化学习
TensorFlow
1+阅读 · 2021年8月16日
人工神经网络在材料科学中的研究进展
专知
0+阅读 · 2021年5月7日
高分子材料领域的十大院士!
材料科学与工程
19+阅读 · 2018年9月18日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Curriculum Learning for Dense Retrieval Distillation
Arxiv
2+阅读 · 2022年4月28日
Arxiv
24+阅读 · 2021年1月25日
Deep learning for cardiac image segmentation: A review
Arxiv
21+阅读 · 2019年11月9日
小贴士
相关VIP内容
深度神经网络FPGA设计进展、实现与展望
专知会员服务
34+阅读 · 2022年3月21日
【博士论文】分形计算系统
专知会员服务
33+阅读 · 2021年12月9日
逆优化: 理论与应用
专知会员服务
36+阅读 · 2021年9月13日
专知会员服务
42+阅读 · 2021年9月7日
专知会员服务
31+阅读 · 2021年5月7日
专知会员服务
21+阅读 · 2021年3月9日
【WWW2021】用优化框架解释和统一图神经网络
专知会员服务
44+阅读 · 2021年2月1日
应用知识图谱的推荐方法与系统
专知会员服务
115+阅读 · 2020年11月23日
相关资讯
你的哪类电子产品换新频率最高?
ZEALER订阅号
0+阅读 · 2022年1月11日
【博士论文】分形计算系统
专知
2+阅读 · 2021年12月9日
借助新的物理模拟引擎加速强化学习
TensorFlow
1+阅读 · 2021年8月16日
人工神经网络在材料科学中的研究进展
专知
0+阅读 · 2021年5月7日
高分子材料领域的十大院士!
材料科学与工程
19+阅读 · 2018年9月18日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员