基于机器学习原子间势能的首性原理计算：温度对空位电荷转移能级的影响

《npj Computational Materials》：Thermal stabilization of defect charge states and finite-temperature charge transition levels

　　

摘要

点缺陷会引入局域电子态，这些电子态对功能材料中载流子的捕获、复合和输运具有关键影响。相关的电荷转移能级（CTLs）可能依赖于温度，因此需要准确处理振动自由能的贡献。在本研究中，我们利用机器学习原子间势能，高效计算了氧化镁（MgO）、氟化锂（LiF）和溴化铯锡（CsSnBr₃）中空位的温度依赖性CTLs。采用热力学积分方法，我们量化了不同电荷态之间的自由能差异，并计算了有限温度下的振动熵贡献。我们发现，温度对这三种材料的CTLs均有显著影响，在研究的温度范围内，MgO和LiF表现出明显的能级移动。特别值得注意的是，在CsSnBr₃中，当温度高于40 K时，中性电荷态变得热力学稳定，从而引入了在0 K时不存在的费米能级窗口。我们证明，广泛使用的静态零开尔文缺陷形式体系可能会遗漏定量的CTL偏移以及新的稳定电荷态的定性出现。