材料基因组计划的核心被定义为实验、计算和理论的有机整合协同创新。从上面的硅基发光材料基因组的研究工作以及其他材料的基因组工作，如硅基自旋量子比特间，催化材料、透明导电氧化物、太阳电池材料、光催化分解水材料等，我们可以充分领会材料基因组计划的这个核心。材料基因组计划的工作流程大致为，理论工作者提出新的应用并发展计算材料各种性质的物理模型，实验工作者提出新材料的挑战，计算工作者发展精确的高性能计算工具，在深入理解应用对新材料提出的挑战后，从应用对新材料的各种要求中提炼出衡量材料性能的品质因子这个品质因子对于硅基发光材料是带边跃迁矩阵元，对于硅基自旋量子比特是谷间能级劈裂，对于其他几个列举的应用可参见文献。然后，使用高性能和高精度计算工具对大批量的材料或者给定组分进行结构搜索，从而根据品质因子筛选出理想材料。把计算数据反馈给实验，实验数据再次反馈给理论和计算进行理论模型和计算工具的再优化，这有助于进一步提高计算工具的精确性，做到计算数据和实验数据的自洽相融依赖相对廉价的计算模拟来进行大规模搜索，把候选的材料范围缩小到一个非常小的范围后交给实验工作者进行有目的的实验制备，实验成功制备出高质量的新材料后进入下一步的器件开发阶段这样一个全链条的材料基因组新材料开发模式可以显著缩短新材料的开发周期井降低开发成本。
对比传统的试错法材料开发模式和全链条的材料基因组新模式后，我们可以发现找到一个可高精度和快速计算的材料品质因子是各种材料基因组计划的关键。面对不同的应用，品质因子是决然不同的这需要计算工作者深入了解实验面临的新材料挑战，与实验工作者一起完善品质因子的理论模型和计算方法，这就要求材料基因组项目应该在一个大的实验平台或研究机构中进行实施。
一个共享的数字化数据的基础设施是紧密联系不同学科、领域、方法、层次的研究人员的一个纽带。这个数据库必须是高度标准化的，它不仅可以存储包罗万象的各种数据，而且让研究人员和开发人员便于访问和乐意访问，让使用者意识到工具和数据的存在，同时可以快速准确地检索，提供各种程序语言的统一访问接口。但是创建这个数据库的工作对于包括材料科学与工程等很多学科都是一个巨大的挑战。不同应用的材料具有不同的物理和化学性质，这对于建立一个统一的数据库是一个挑战；还必须平衡安全要求与数据可用性及可发现性；制定描述数据和评估数据质量标准；实现重用单个数据集和数据分析技术的应用；检查大量不同来源的数据聚合；确保数据的正确性和错误数据的可探测性。固态晶体按照常温下导电性能区分为（金属）导体、半导体和绝缘体。半导体材料按照带隙又可以分为窄带隙半导体（带隙小于1eV）、一般半导体（带隙宽度为13eV）和宽带隙半导体（带隙大于3eV）。半导体材料包括普通的IV族元素半导体，III-V族、II-VI族等二元化合物半导体，钙铁矿等三元化合物、CIGS和CZTS等四元化合物和甚至更多元的化合物半导体。半导体材料广泛应用于微电子产业、光电子产业、固体照明产业、半导体显示技术、各种探测器和夜视仪、太阳电池光伏产业、潜在的光催化分解水制氢、热电和固体制冷等清洁能源等领域。影响半导体应用的材料物性丰富，物理过程也非常复杂，主要包括半导体掺杂，缺陷、有效质量、带隙、声子、激子、极子、辐射复合发光、非辐射复合发光、自旋轨道藕合效应、俄歇过程等。这些因素决定了半导体材料基因组计划是一项非常具有挑战的工程。
本文由桑尧热喷涂网收集整理。本站文章未经允许不得转载；如欲转载请注明出处，北京桑尧科技开发有限公司网址：http://www.sunspraying.com/
|
