CN107704676B - 金属氧化物界面调控的方法 - Google Patents
金属氧化物界面调控的方法 Download PDFInfo
- Publication number
- CN107704676B CN107704676B CN201710903506.7A CN201710903506A CN107704676B CN 107704676 B CN107704676 B CN 107704676B CN 201710903506 A CN201710903506 A CN 201710903506A CN 107704676 B CN107704676 B CN 107704676B
- Authority
- CN
- China
- Prior art keywords
- unit cell
- cell configuration
- super
- interface
- oxide
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/06—Power analysis or power optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
- Crystals, And After-Treatments Of Crystals (AREA)
Abstract
本发明是关于一种金属氧化物界面调控的方法,包括,获取两种氧化物的晶胞构型,采用两种晶胞构型构建氧化物界面模型;计算所述的氧化物界面模型的错配度,当所述的错配度大于n%时,则调整晶胞构型,利用调整后的晶胞构型构建第一氧化物界面,获取所述的第一氧化物界面的物理性质;当所述的错配度小于或等于n%时,则向所述的氧化物界面中掺杂适格元素,构建第二氧化物界面,获取所述的第二氧化物界面的物理性质。本发明提供了一种利用计算机模拟技术和数据挖掘技术、通过原子替换掺杂调控晶格常数以降低界面应力的设计方法,该方法对金属氧化物薄膜和涂层制备具有重要的指导意义。
Description
技术领域
本发明涉及界面材料技术领域,特别是涉及一种基于密度泛函方法和数据挖掘技术的金属氧化物界面模型中内应力调控的设计方法。
背景技术
近年来,随着先进的外延薄膜生长技术的发展,在实验研究上,利用分子束外延和脉冲激光沉积技术,可以制备出具有原子级平整的薄膜结构,过渡金属氧化物界面得到了广泛的研究正在成为凝聚态物理与材料科学研究的热点之一。通过构建不同的异质结构可以实现奇异的、有别于块材的物理性质,使得金属氧化物界面结果在科技创新上具有广阔的应用前景。
良好的界面附着力是界面材料应用于薄膜及涂层领域是必须要考虑的力学性能指标,利用计算机模拟研究金属氧化物界面间附着力具有重要的理论意义和实践意义。通过实验设计和研究未知界面间附着力受操作调剂、检测技术和采样间隔等因素的影响,操控困难且制备-测试周期较长,而计算机模拟技术可以便捷实现对未知界面结构附着力的预测。界面应力是影响界面附着强度的重要因素,而界面内应力主要来源于构成界面的金属氧化物间不同的晶格常数进而引起的晶格错配。通过在金属氧化物中引入外来原子进行掺杂,可以有效改变晶格常数进而可以实现对晶格错配度与界面应力的调控,而如何选取合适的掺杂元素就成为了解决问题的关键。以往的研究中往往采用“试错法”,缺乏系统的理论指导,研制周期长能源消耗大且命中率较低很难满足当今社会对新材料研发的要求;近年来,在国际上流行的材料基因组的推动下,高通量理论计算成为解决这一问题的方案,但高通量理论计算对计算资源要求较高,限制了其应用。
发明内容
本发明的主要目的在于,提供一种金属氧化物界面调控的方法,基于目前实验上膜层设计与制备技术,发明了结合密度泛函理论计算与数据挖掘技术的一种金属氧化物界面模型中应力调控的设计方法,可实现低计算消耗的前提下有效预测筛选特征元素,并对晶格常数、错配度及内应力实现有效调控。该方法对金属氧化物界面薄膜及涂层的实验制备具有重要的指导意义。
本发明的目的及解决其技术问题是采用以下技术方案来实现的。
依据本发明提出的一种金属氧化物界面调控的方法,包括,获取第一氧化物的第一晶胞构型和第二氧化物的第二晶胞构型,采用所述的第一晶胞构型和所述的第二晶胞构型构建氧化物界面模型;计算所述的氧化物界面模型的错配度,当所述的错配度大于n%时,则调整所述的第一晶胞构型和/或所述的第二晶胞构型,调整后构建第一氧化物界面,获取所述的第一氧化物界面的物理性质;当所述的错配度小于或等于n%时,则向所述的氧化物界面中掺杂适格元素,构建第二氧化物界面,获取所述的第二氧化物界面的物理性质。
本发明的目的及解决其技术问题还可采用以下技术措施进一步实现。
优选的,前述的一种金属氧化物界面调控的方法,其中所述的适格元素的确定方法包括,将所述的第一晶胞构型或第二晶胞构型扩张,得到第一超晶胞构型或第二超晶胞构型,利用密度泛函理论和数据挖掘技术,依次采用不同的待测元素对所述的第一超晶胞构型或第二超晶胞构型中的氧化物进行替换,筛选出第一适格元素;将所述的第一晶胞构型或第二晶胞构型切割,获得晶胞表面,将所述的晶胞表面扩张,得到超晶胞表面,将所述的第一适格元素引入所述的超晶胞表面,筛选出未在超晶胞表面中偏析的第二适格元素;采用超晶胞表面、未扩张的晶胞表面、第二适格元素构建氧化物超晶胞表面模型,得到所述的第二氧化物界面。
优选的,前述的一种金属氧化物界面调控的方法,其中所述的氧化物界面模型的构建方法包括,从在线材料数据库中获取所述的第一晶胞构型和第二晶胞构型;将所述的第一晶胞构型和第二晶胞构型导入结构视图软件中,切割晶胞构型,得到第一表面组和第二表面组;采用结构视图软件,将所述的第一表面组中的表面与所述的第二表面组中的表面进行对接,得到所述的氧化物界面模型。
优选的,前述的一种金属氧化物界面调控的方法,其中所述的待测元素的数量大于或等于16种,且所述的待测元素的最外层电子排布在不同的轨道。
优选的,前述的一种金属氧化物界面调控的方法,其中所述的第一适格元素的筛选方法包括,将所述的第一晶胞构型或第二晶胞构型扩张,得到第一超晶胞构型或第二超晶胞构型,将待测元素对所述的第一超晶胞构型或第二超晶胞构型中的氧化物进行替换,得到掺杂超晶胞构型,使用密度泛函方法优化所述的掺杂超晶胞构型,并获取优化后掺杂超晶胞构型的晶格常数;以所述的晶格常数、待测元素的物理参数构建数据挖掘的训练集,以所述的晶格常数为因变量,以待测元素的物理参数为自变量,建立支持向量回归模型;采用交叉验证法优化所述的支持向量回归模型,采用优化后的支持向量回归模型获得非待测元素超晶胞构型的晶格常数的预测值,在所述的晶格常数中选取有扩张晶格或收缩晶格的对应的元素,得到第一适格元素。
优选的,前述的一种金属氧化物界面调控的方法,其中所述的第一适格元素再次采用密度泛函方法进一步筛选。
优选的,前述的一种金属氧化物界面调控的方法,其中所述的n为11。
优选的,前述的一种金属氧化物界面调控的方法,其中所述的待测元素为元素序号3-56,72-84的元素。
优选的,前述的一种金属氧化物界面调控的方法,采用密度泛函方法优化所述的氧化物超晶胞表面模型,得到所述的第二氧化物界面。
优选的,前述的一种金属氧化物界面调控的方法,其中所述的掺杂超晶胞构型的分子式为XkM1-kOy,其中,所述的M为氧化物中的金属元素,所述的X为掺杂元素,所述的k为掺杂元素的摩尔百分含量,且,所述的k小于或等于10%。
借由上述技术方案,本发明提供的一种金属氧化物界面调控的方法至少具有下列优点:
本发明提供了一种金属氧化物界面模型中内应力调控的设计方法。本发明利用密度泛函方法和数据挖掘技术对掺杂元素对金属氧化物晶格常数的影响进行建模和预测,初步获得可有效调控界面内应力的掺杂元素,并将体相预测结果初步筛选后再通过密度泛函方法引入表面模型中再次判断,最终获得调控界面内应力的掺杂元素。
本发明利用计算机模拟技术和数据挖掘技术提出一种通过原子替换掺杂调控晶格常数以降低界面应力的设计方法,且可以对界面错配度及界面分离功等结构参数和力学性能实现调控,该方法对金属氧化物薄膜和涂层制备具有重要的指导意义,有望提高研发效率并大幅度节省试验费用,成为薄膜涂层研发的有效辅助工具。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,并可依照说明书的内容予以实施,以下以本发明的较佳实施例并配合附图详细说明如后。
附图说明
图1本发明实施例提供的金属氧化物界面调控的方法示意图。
图2本发明实施例中ZnO的晶胞构型示意图;
图3本发明实施例中ZrO2的晶胞构型示意图;
图4本发明实施例ZnO(0001)面示意图;
图5本发明实施例ZrO2的(111)面示意图;
图6本发明实施例将两个氧化物表面对接后获得氧化物界面模型示意图;
图7本发明实施例掺杂后的超晶胞构型示意图。
具体实施方式
为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种金属氧化物界面调控的方法,其具体实施方式、结构、特征及其功效,详细说明如后。在下述说明中,不同的“一实施例”或“实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
本发明提供了一种金属氧化物界面调控的方法,包括,获取第一氧化物的第一晶胞构型和第二氧化物的第二晶胞构型,采用所述的第一晶胞构型和所述的第二晶胞构型构建氧化物界面模型;计算所述的氧化物界面模型的错配度,当所述的错配度大于n%时,则调整所述的第一晶胞构型和/或所述的第二晶胞构型,利用调整后的晶胞构型构建第一氧化物界面,获取所述的第一氧化物界面的物理性质;当所述的错配度小于或等于n%时,则向所述的氧化物界面中掺杂适格元素,构建第二氧化物界面,获取所述的第二氧化物界面的物理性质。
本发明根据氧化物界面错配度的大小判断该界面是否需要掺杂适格元素。优选的,晶胞构型的文件可以是PDB、cif等,进一步优选为cif文件。
当错配度大于n%时,优选的,调整晶胞构型的方法包括平移或旋转等,通过调整晶胞构型,最终可获得较低错配度的界面结构,即,所述的第一氧化物界面,并获取第一氧化物界面的物理性质,此处的物理性质主要为内应力。
当错配度小于或等于n%时,向氧化物界面中掺杂适格元素,构建包含有两种氧化物和掺杂元素的第二氧化物界面,并计算或检测第二氧化物界面的物理性质,此处的物理性质主要包括界面内应力。
进一步的,本发明提供了一种适格元素的确定方法包括,将所述的第一晶胞构型或第二晶胞构型扩张,得到第一超晶胞构型或第二超晶胞构型,利用数据挖掘技术,依次采用不同的待测元素对所述的第一超晶胞构型或第二超晶胞构型中的氧化物进行替换,筛选出第一适格元素;获取第一晶胞构型或第二晶胞构型的晶胞表面,将所述的晶胞表面扩张,得到超晶胞表面,将所述的第一适格元素引入所述的超晶胞表面,筛选出未在超晶胞表面中偏析的第二适格元素;采用超晶胞表面、未扩张的晶胞表面、第二适格元素构建氧化物超晶胞表面模型,得到所述的第二氧化物界面。
优选的,本发明的在线数据库为Materials Project(https://materialsproject.org)。
优选的,选择两种晶胞构型中容易扩张的晶胞进行扩张,例如,容易扩张的可以是第一晶胞构型,将第一晶胞构型扩张后,依次采用不同的待测元素对所述的第一晶胞构型中的氧化物进行替换,筛选出第一适格元素;将第一晶胞构型切割,得到晶胞表面,将表面扩张,得到超晶胞表面,将所述的第一适格元素引入所述的超晶胞表面,筛选第一适格元素中出未在超晶胞表面中偏析的第二适格元素。采用超晶胞表面(即扩张后的第一晶胞表面)、晶胞表面(即未扩张的第二晶胞表面)和第二适格元素(中的一种)构建氧化物超晶胞表面模型,得到所述的第二氧化物界面。
优选的,将晶胞构型的构型文件导入结构视图软件并分别切割相应的表面,获得晶胞表面,优选的,此处的结构视图软件可以为Material Studio、VESTA、VirtualNanoLab,进一步优选为VirtualNanoLab。
进一步的,所述的待测元素的数量大于或等于16种,且所述的待测元素的最外层电子排布在不同的轨道。
所述的待测元素为元素周期表中3-56,72-84元素,即排除了57-71号镧系元素。需要说明的是,待测元素选定后,待测元素组成的集合中,其元素的最外层电子要排布在不同的轨道上,即集合中同时包括最外层电子位于s、p、d、f不同轨道上的元素,以保证集合中的元素尽量具有不同的性质。
优选的,使用密度泛函方法优化所述的掺杂超晶胞构型,优化方法包括,调整掺杂体系中原子的位置、调整晶格尺寸等。
进一步的,所述的第一适格元素的筛选方法包括,将所述的第一晶胞构型或第二晶胞构型扩张,得到第一超晶胞构型或第二超晶胞构型,将待测元素对所述的第一超晶胞构型或第二超晶胞构型中的氧化物进行替换,得到掺杂超晶胞构型,使用密度泛函方法优化所述的掺杂超晶胞构型,并获取优化后掺杂超晶胞构型的晶格常数;以所述的晶格常数、待测元素的物理参数构建数据挖掘的训练集,以所述的晶格常数为因变量,以待测元素的物理参数为自变量,建立支持向量回归模型。
优选的,待测元素的物理参数包括对应元素的原子序数、原子半径等。进一步的,采用WEKA软件对自变量进行筛选之后构建支持向量回归模型。筛选自变量时选用的属性评估器可为InfoGainAttributeEval,CfssubsetEva。
优选的,本发明所述的密度泛函方法,泛函可使用LDA或GGA以及杂化泛函,优先选用GGA-PBE。
实施例
本实施例提供了一种调控ZnO与ZrO2界面的方法,如图1所示。
本实施例提供的调控ZnO与ZrO2界面的方法包括以下步骤:
从在线材料数据库中下载ZnO和ZrO2的氧化物原晶胞构型文件,其中ZnO的晶胞构型如图2所示,ZrO2的晶胞构型如图3所示;
将上述步骤中的构型文件导入结构视图软件中并分别切割相应的表面,ZnO(0001)面如图4所示,ZrO2的(111)面如图5所示;
使用结构视图软件,将上述步骤中的两个氧化物表面对接,获得氧化物界面模型,如图6所示;
经计算,该界面中,ZnO与ZrO2的错配度为10.1。
根据元素最外层电子结构类型随机选取16种元素(选取时需考虑最外层为s p df的不同情况,不要集中在过窄区域)。本次随机选取的元素为:Ga Al Si Na Mn Cd Ti GeCu Hf Li Ni V Cr Y Co。
将ZnO晶胞构型扩张为2*2*2超晶胞构型,依次选取上述元素对超晶胞构型中的原子进行替换掺杂(掺杂后的超晶胞构型如图7所示,其中1为掺杂元素)。使用密度泛函方法优化掺杂体系中原子位置和晶格尺寸,获得相应的晶格常数。
将上述采用密度泛函方法计算获得的16种晶格常数及16种元素对应的原子序数、原子半径等物理性质构建数据挖掘的训练集,以晶格常数为因变量,以上述物理参数为自变量,在WEKA软件中筛选自变量后构建支持向量回归模型。
通过交叉验证法进一步优化上述建立的支持向量回归模型,采用优化后的支持向量回归模型,对元素周期表3-56,72-84中元素除去上述16种元素剩余的51种元素(或者,可以用来进行预测的少于51种元素)的掺杂后的晶格常数进行预测。
通过计算获得的晶格常数以及通过预测获得的晶格常数中,与ZnO晶格常数相比,有明显扩张的元素分别为Hf(ZnO掺杂Hf后的超晶格的晶格常数为)和Y(ZnO掺杂Y后的超晶格的晶格常数为)。
通过密度泛函方法计算也证实了这两种元素可以明显扩张ZnO晶格常数。
将ZnO晶胞构型切割,获得ZnO晶胞表面结构,将此表面结构扩张,得到ZnO超晶胞表面结构,依次将Hf和Y引入ZnO超晶胞表面结构中,观察是否在ZnO超晶胞表面有偏析。
采用ZnO超晶胞表面结构、ZrO2的晶胞表面结构以及Hf或Y中未发偏析现象的元素构建氧化物界面,计算该氧化物界面的内应力。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
可以理解的是,上述装置中的相关特征可以相互参考。另外,上述实施例中的“第一”、“第二”等是用于区分各实施例,而并不代表各实施例的优劣。
本发明中所述的数值范围包括此范围内所有的数值,并且包括此范围内任意两个数值组成的范围值;本发明所有实施例中出现的同一指标的不同数值,可以任意组合,组成范围值。
本发明权利要求和/或说明书中的技术特征可以进行组合,其组合方式不限于权利要求中通过引用关系得到的组合。通过权利要求和/或说明书中的技术特征进行组合得到的技术方案,也是本发明的保护范围。
以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属于本发明技术方案的范围内。
Claims (8)
1.一种金属氧化物界面调控的方法,其特征在于:包括,
获取第一氧化物的第一晶胞构型和第二氧化物的第二晶胞构型,采用所述的第一晶胞构型和所述的第二晶胞构型构建氧化物界面模型;
计算所述的氧化物界面模型的错配度,当所述的错配度大于n%时,则调整所述的第一晶胞构型和/或所述的第二晶胞构型,调整后构建第一氧化物界面,获取所述的第一氧化物界面的物理性质;当所述的错配度小于或等于n%时,则向所述的氧化物界面中掺杂适格元素,构建第二氧化物界面,获取所述的第二氧化物界面的物理性质;
所述的适格元素的确定方法包括,
将所述的第一晶胞构型或第二晶胞构型扩张,得到第一超晶胞构型或第二超晶胞构型,利用密度泛函理论和数据挖掘技术,依次采用不同的待测元素对所述的第一超晶胞构型或第二超晶胞构型中的氧化物进行替换,筛选出第一适格元素;
获取第一晶胞构型或第二晶胞构型的晶胞表面,将所述的晶胞表面扩张,得到超晶胞表面,依次将所述的第一适格元素引入所述的超晶胞表面,筛选出未在超晶胞表面中偏析的第二适格元素;采用超晶胞表面、未扩张的晶胞表面、第二适格元素构建氧化物超晶胞表面模型,得到所述的第二氧化物界面;
所述的第一适格元素的筛选方法包括,
将所述的第一晶胞构型或第二晶胞构型扩张,得到第一超晶胞构型或第二超晶胞构型,依次采用不同的待测元素对所述的第一超晶胞构型或第二超晶胞构型中的氧化物进行替换,得到掺杂超晶胞构型,使用密度泛函方法优化所述的掺杂超晶胞构型,并获取优化后掺杂超晶胞构型的晶格常数;
以所述的晶格常数、待测元素的物理参数构建数据挖掘的训练集,以所述的晶格常数为因变量,以待测元素的物理参数为自变量,建立支持向量回归模型;
采用交叉验证法优化所述的支持向量回归模型,
采用优化后的支持向量回归模型获得非待测元素超晶胞构型的晶格常数的预测值,
在所述的晶格常数中选取有扩张晶格或收缩晶格的对应的元素,得到第一适格元素。
2.根据权利要求1所述的一种金属氧化物界面调控的方法,其特征在于:
所述的氧化物界面模型的构建方法包括,
从在线材料数据库中获取所述的第一晶胞构型和第二晶胞构型;
将所述的第一晶胞构型和第二晶胞构型导入结构视图软件中,切割晶胞构型,得到第一表面组和第二表面组;
采用结构视图软件,将所述的第一表面组中的表面与所述的第二表面组中的表面进行对接,得到所述的氧化物界面模型。
3.根据权利要求1所述的一种金属氧化物界面调控的方法,其特征在于:
所述的待测元素的数量大于或等于16种,且所述的待测元素的最外层电子排布在不同的轨道。
4.根据权利要求1所述的一种金属氧化物界面调控的方法,其特征在于:
将所述的第一适格元素再次采用密度泛函方法进一步筛选。
5.根据权利要求1所述的一种金属氧化物界面调控的方法,其特征在于:
所述的n为11。
6.根据权利要求1所述的一种金属氧化物界面调控的方法,其特征在于:
所述的待测元素为元素序号3-56,72-84的元素。
7.根据权利要求1所述的一种金属氧化物界面调控的方法,其特征在于:
采用密度泛函方法优化所述的氧化物超晶胞表面模型,得到所述的第二氧化物界面。
8.根据权利要求1所述的一种金属氧化物界面调控的方法,其特征在于:
所述的掺杂超晶胞构型的分子式为XkM1-kOy,其中,所述的M为氧化物中的金属元素,所述的X为掺杂元素,所述的k为掺杂元素的摩尔百分含量,且,所述的k小于或等于10%。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710903506.7A CN107704676B (zh) | 2017-09-28 | 2017-09-28 | 金属氧化物界面调控的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710903506.7A CN107704676B (zh) | 2017-09-28 | 2017-09-28 | 金属氧化物界面调控的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107704676A CN107704676A (zh) | 2018-02-16 |
CN107704676B true CN107704676B (zh) | 2019-12-13 |
Family
ID=61175420
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710903506.7A Active CN107704676B (zh) | 2017-09-28 | 2017-09-28 | 金属氧化物界面调控的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107704676B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110838346B (zh) * | 2019-10-10 | 2022-04-26 | 中国建筑材料科学研究总院有限公司 | 低辐射玻璃中衬底材料的筛选方法及装置 |
CN112000637A (zh) * | 2020-07-24 | 2020-11-27 | 广东省材料与加工研究所 | 界面关系数据库构建方法及装置 |
CN112000638A (zh) * | 2020-07-24 | 2020-11-27 | 广东省材料与加工研究所 | 界面关系判断方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011140429A (ja) * | 2010-01-08 | 2011-07-21 | Mitsubishi Electric Corp | エピタキシャルウエハ及び半導体素子 |
CN104701394A (zh) * | 2013-12-09 | 2015-06-10 | 北京有色金属研究总院 | 一种具有择优取向的Cu2ZnSn(S1-xSex)4薄膜 |
-
2017
- 2017-09-28 CN CN201710903506.7A patent/CN107704676B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011140429A (ja) * | 2010-01-08 | 2011-07-21 | Mitsubishi Electric Corp | エピタキシャルウエハ及び半導体素子 |
CN104701394A (zh) * | 2013-12-09 | 2015-06-10 | 北京有色金属研究总院 | 一种具有择优取向的Cu2ZnSn(S1-xSex)4薄膜 |
Non-Patent Citations (2)
Title |
---|
Atomic and electronic structures at ZnO and ZrO2 interface for transparent thin-film transistors;S. J. Wang 等;《applications and materials science》;20100712;第1731-1734页 * |
Works of separation for (0001)ZnO|(111)ZrO2 interfaces:A first-principle study;Wenming Sun 等;《Computational Materials Science》;20170529;第157-162页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107704676A (zh) | 2018-02-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107704676B (zh) | 金属氧化物界面调控的方法 | |
CN106599519B (zh) | 面向生产订单组合优化的中厚板母板与板坯协同设计方法及系统 | |
Lu | Adaptive dynamical networks via neighborhood information: Synchronization and pinning control | |
CN104698842B (zh) | 一种基于内点法的lpv模型非线性预测控制方法 | |
Chason et al. | Kinetic model for thin film stress including the effect of grain growth | |
Grant et al. | Roadmap on Li-ion battery manufacturing research | |
CN107133449A (zh) | 一种n、p元素掺杂改性vo2材料相变温度的预测方法 | |
CN109100940A (zh) | 一种基于gap metric加权函数的多模型预测控制方法 | |
Narita et al. | Neural-network-based semi-empirical turbulent particle transport modelling founded on gyrokinetic analyses of JT-60U plasmas | |
Verduzco et al. | An active learning approach for the design of doped LLZO ceramic garnets for battery applications | |
CN113033923A (zh) | 水泥熟料性能的预测、评价及优化方法及其装置和系统 | |
Underwood et al. | Rotational spectrum of SO3 and theoretical evidence for the formation of sixfold rotational energy-level clusters in its vibrational ground state | |
Essmann et al. | Dynamic model of the wall structure in persistent slip bands of fatigued metals II. The wall spacing and the temperature dependence of the yield stress in saturation | |
Tang et al. | Molecular dynamics simulation of metallic Al–Ce liquids using a neural network machine learning interatomic potential | |
Chason et al. | Kinetic Monte Carlo simulations of stress and morphology evolution in polycrystalline thin films | |
Zheng et al. | Forecasting regional income inequality in China | |
CN109631607B (zh) | 一种考虑煤气压力波动的烧结点火温度智能控制方法 | |
CN106647242A (zh) | 一种多变量pid控制器参数整定方法 | |
CN102156405A (zh) | 小样本贫信息下的烧结矿化学成分预测与智能控制系统 | |
Ni et al. | Dynamics and control of thin film surface microstructure in a complex deposition process | |
Wang et al. | Accelerated strategy for fast ion conductor materials screening and optimal doping scheme exploration | |
CN111474850A (zh) | 基于改进正弦余弦算法优化pid液压调平系统控制方法 | |
Guo et al. | ChecMatE: A workflow package to automatically generate machine learning potentials and phase diagrams for semiconductor alloys | |
DeHoff | Engineering of microstructures | |
Zhang et al. | Evaluate the investment efficiency by using data envelopment analysis: The case of China |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |