We have revisited the valence band electronic structure of NiO by means of hard x-ray photoemission spectroscopy (HAXPES) together with theoretical calculations using both the GW method and the local density approximation + dynamical mean-field theory (LDA+DMFT) approaches. The effective impurity problem in DMFT is solved through the exact diagonalization (ED) method. We show that the LDA+DMFT method alone cannot explain all the observed structures in the HAXPES spectra. GW corrections are required for the O bands and Ni-s and p derived states to properly position their binding energies. Our results establish that a combination of the GW and DMFT methods is necessary for correctly describing the electronic structure of NiO in a proper ab-initio framework. We also demonstrate that the inclusion of photoionization cross section is crucial to interpret the HAXPES spectra of NiO.We argue that our conclusions are general and that the here suggested approach is appropriate for any complex transition metal oxide.


翻译:我们通过硬X射线光导光谱分析(HAXPES)重新审视了NiO的值光带电子结构,同时利用GW方法和当地密度近似值+动态平均场理论(LDA+DMFT)方法进行了理论计算。DMFT的有效杂质问题通过精确的对角化(ED)方法得到解决。我们表明,光化加DMFT方法无法单独解释HAXPES光谱中所有观测到的结构。GW对O波段和尼兹以及衍生物国家需要进行校正,以适当定位其装订能量。我们的结果证明,GW和DMFT方法的结合对于正确描述在适当的氨基框架中的NiO电子结构是必要的。我们还表明,纳入光化截面部分对于解释NiO的HAXPES光谱至关重要。我们说,我们的结论是一般性的,这里建议的方法对于任何复杂的过渡性金属氧化物是合适的。

0
下载
关闭预览

相关内容

让⻋成为安全、⾃由的移动⽣活空间是我们的愿景;NIO Autonomous Driving 蔚来自动驾驶,从地图定位到感知算法,从底层系统到控制策略,拥有全栈⾃动驾驶技术能⼒;逐步实现⾼速、城区、泊⻋和换电场景的全覆盖,解放时间,减少事故,带来安全放松的点到点⾃动驾驶体验。
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
153+阅读 · 2019年10月12日
强化学习最新教程,17页pdf
专知会员服务
176+阅读 · 2019年10月11日
2019年机器学习框架回顾
专知会员服务
35+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
人工智能 | SCI期刊专刊信息3条
Call4Papers
5+阅读 · 2019年1月10日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7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
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
【推荐】深度学习目标检测概览
机器学习研究会
10+阅读 · 2017年9月1日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
4+阅读 · 2019年12月2日
Revealing the Dark Secrets of BERT
Arxiv
4+阅读 · 2019年9月11日
Arxiv
3+阅读 · 2018年10月8日
Arxiv
3+阅读 · 2018年2月24日
VIP会员
相关资讯
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
人工智能 | SCI期刊专刊信息3条
Call4Papers
5+阅读 · 2019年1月10日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7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
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
【推荐】深度学习目标检测概览
机器学习研究会
10+阅读 · 2017年9月1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