Despite multiple successful applications of high-throughput computational materials design from first principles, there is a number of factors that inhibit its future adoption. Of particular importance are limited ability to provide high fidelity in a reliable manner and limited accessibility to non-expert users. We present example applications of a novel approach, where high-fidelity first-principles simulation techniques, Density Functional Theory with Hybrid Screened Exchange (HSE) and GW approximation, are standardized and made available online in an accessible and repeatable setting. We apply this approach to extract electronic band gaps and band structures for a diverse set of 71 materials ranging from pure elements to III-V and II-VI compounds, ternary oxides and alloys. We find that for HSE and G0W0, the average relative error fits within 20%, whereas for conventional Generalized Gradient Approximation the error is 55%. For HSE we find the average calculation time on an up-to-date server centrally available from a public cloud provider to fit within 48 hours. This work provides a cost-effective, accessible and repeatable practical recipe for performing high-fidelity first-principles calculations of electronic materials in a high-throughput manner.


翻译:尽管从最初的原则中成功地应用了多种高通量计算材料设计,但有许多因素阻碍今后采用高通量计算材料,尤其重要的是,以可靠的方式提供高忠诚度的能力有限,非专家用户的可及性也有限。我们举例介绍了新颖方法的应用,即高忠度第一原则模拟技术、混合屏幕交换(HSE)和GW近似(GW)的密度功能理论是标准化的,在可访问和可重复的环境下在线提供。我们采用这种方法,为从纯元素到III-V和II-VI化合物、四氧化物和合金的71种材料抽取电子波段和带结构。我们发现,对于HSE和G0W0,平均相对误差在20%之内,而对于常规的通用精密度吸附剂(HSE)来说,误差为55%。我们发现公共云供应商在48小时内可以集中使用的更新的服务器的平均计算时间。这项工作为进行高端高端电子材料的高端计算提供了成本、易懂和可重复的实际食谱。

0
下载
关闭预览

相关内容

由 Google Deisgn 创造的跨平台设计系统。
Material Design Guidelines
专知会员服务
61+阅读 · 2020年3月19日
【斯坦福大学Chelsea Finn-NeurIPS 2019】贝叶斯元学习
专知会员服务
38+阅读 · 2019年12月17日
[综述]深度学习下的场景文本检测与识别
专知会员服务
78+阅读 · 2019年10月10日
Hierarchically Structured Meta-learning
CreateAMind
27+阅读 · 2019年5月22日
19篇ICML2019论文摘录选读!
专知
28+阅读 · 2019年4月28日
人工智能 | ISAIR 2019诚邀稿件(推荐SCI期刊)
Call4Papers
6+阅读 · 2019年4月1日
强化学习的Unsupervised Meta-Learning
CreateAMind
18+阅读 · 2019年1月7日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2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
【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
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
The Measure of Intelligence
Arxiv
7+阅读 · 2019年11月5日
Arxiv
6+阅读 · 2018年11月29日
Arxiv
3+阅读 · 2018年3月13日
Arxiv
5+阅读 · 2017年12月14日
VIP会员
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
27+阅读 · 2019年5月22日
19篇ICML2019论文摘录选读!
专知
28+阅读 · 2019年4月28日
人工智能 | ISAIR 2019诚邀稿件(推荐SCI期刊)
Call4Papers
6+阅读 · 2019年4月1日
强化学习的Unsupervised Meta-Learning
CreateAMind
18+阅读 · 2019年1月7日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2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
【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
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4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