结合实验、DFT计算与经典/混合量子-经典神经网络预测Cr/Sb共掺杂金红石颜料的带隙与颜色

《Scientific Reports》：Integrated classical/quantum–classical neural networks, DFT, and experiments for predicting bandgap and color of CrxSbxTi1?2xO2 yellow-orange pigments

　　

摘要

准确预测陶瓷颜料的带隙（\(\text {E}_{\text {g}}\)）和颜色在材料科学研究中具有重要意义。在本工作中，我们通过结合实验、密度泛函理论（DFT和DFT+U）计算以及神经网络方法，研究了Cr\(_x\)Sb\(_x\)Ti\(_{1-2x}\)O\(_2\)金红石颜料的\(\text {E}_{\text {g}}\)和颜色。本研究的主要创新之处在于将经典/混合量子-经典神经网络应用于颜料颜色和\(\text {E}_{\text {g}}\)的预测。研究合成了Cr/Sb共掺杂金红石颜料并对其进行了表征，同时利用第一性原理计算分析了未掺杂和掺杂\({\textrm{TiO}}_{2}\)的电子结构。与此同时，基于从Materials Project数据库和文献报道的金红石基颜料中整理的数据库集，开发并训练了经典和混合量子-经典神经网络模型。模型成功捕捉了\(\text {E}_{\text {g}}\)和色度变化的趋势，其中混合架构提供了略为提升的预测性能以及与实验更为一致的吻合度。总体而言，本工作展示了一个有效框架，将实验、第一性原理计算和经典/量子-经典神经网络联系起来，用于预测陶瓷颜料的关键性质，并指出了未来在全量子机器学习模型应用于材料设计方面的潜力。