We derive a compact matrix expression for the linear thermal expansion coefficients (TECs) for a general orthorhombic system which relates the elastic properties and the integrated quantities based on deformation and mode dependent Gruneisen parameters and mode dependent heat capacities. The density of Gruneisen parameters $\Gamma(\nu)$ as a function of frequency $\nu$, weighted by the number of phonon modes, is introduced and found to be insightful in interpreting the TEC results. Using density-functional perturbation theory and Gruneisen formalism for thermal expansion, we illustrate the general usefulness of this method by calculating the linear and volumetric TECs of a low-symmetry orthorhombic compound antimony sulfide (Sb2S3), a compound belonging to a large class of technologically and fundamentally important materials. Even though negative Gruneisen parameters are found for deformations in all three crystal directions, the $\Gamma(\nu)$ data rule out the occurrences of negative TECs at all temperatures. Sb2S3 exhibits a large thermal expansion anisotropy where the TEC in the $b$ direction can reach as high as $13\times 10^{-6}$~(1/K) at high temperatures, about two and seven times larger than the TECs in the $c$ and $a$ direction, respectively. Our work suggests a general and practical first-principles approach to calculate the thermal properties of other complicated low-symmetry systems.


翻译:我们为普通正交系统得出线性热膨胀系数(TECs)的缩压矩阵表达式,它与弹性特性和基于变形和模式依赖的古鲁尼森参数和模式依赖的热能力的综合数量有关。Gruneisen参数的密度($\Gamma(\nu)美元)是频率的函数,以光度模式的数量加权,引入了以美元为基数计算,并发现在解释 TEC 结果时有洞察力。使用密度-功能性实际扰动理论和热膨胀格鲁尼森正规化理论,我们通过计算低对称性或thorhombic复合反硫化物(Sb2S3)的线性和体积性技术与体积综合技术含量。尽管在所有三个晶体方向的变形中都发现了负的 Gruneisen参数,但用 $\Gammama(\nu)美元方法的数据排除了所有温度下负性TEC值的发生率。Sb2-S3展示了高热度温度的线性和体值技术值,从10美元到13年的高度方向。

0
下载
关闭预览

相关内容

TECS:ACM Transactions on Embedded Computing Systems。 Explanation:嵌入式计算系统上的ACM事务(处理)。 Publisher:ACM。 SIT:http://dblp.uni-trier.de/db/journals/tecs/
知识图谱推理,50页ppt,Salesforce首席科学家Richard Socher
专知会员服务
108+阅读 · 2020年6月10日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
152+阅读 · 2019年10月12日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
19篇ICML2019论文摘录选读!
专知
28+阅读 · 2019年4月28日
【泡泡一分钟】基于运动估计的激光雷达和相机标定方法
泡泡机器人SLAM
25+阅读 · 2019年1月17日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
【推荐】用Python/OpenCV实现增强现实
机器学习研究会
15+阅读 · 2017年11月16日
【学习】(Python)SVM数据分类
机器学习研究会
6+阅读 · 2017年10月15日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Revealing the Dark Secrets of BERT
Arxiv
4+阅读 · 2019年9月11日
Learning to Importance Sample in Primary Sample Space
VIP会员
相关VIP内容
相关资讯
19篇ICML2019论文摘录选读!
专知
28+阅读 · 2019年4月28日
【泡泡一分钟】基于运动估计的激光雷达和相机标定方法
泡泡机器人SLAM
25+阅读 · 2019年1月17日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
【推荐】用Python/OpenCV实现增强现实
机器学习研究会
15+阅读 · 2017年11月16日
【学习】(Python)SVM数据分类
机器学习研究会
6+阅读 · 2017年10月15日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员