Buchumschlag

Deep learning of spectra: Predicting the dielectric function of semiconductors

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Grunert, Malte, Großmann, Max, Runge, Erich
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Materials Science
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Discovery of sustainable energy materials via the machine-learned material space
von: Grunert, Malte, et al.
Veröffentlicht: (2025)

Broken neural scaling laws in materials science
von: Großmann, Max, et al.
Veröffentlicht: (2026)

Many-body perturbation theory vs. density functional theory: A systematic benchmark for band gaps of solids
von: Großmann, Max, et al.
Veröffentlicht: (2025)

High-throughput screening and mechanistic insights into solid acid proton conductors
von: Hänseroth, Jonas, et al.
Veröffentlicht: (2026)

Discovery of Sustainable Energy Materials Via the Machine‐Learned Material Space
von: Malte Grunert, et al.
Veröffentlicht: (2025)

Modelling complex proton transport phenomena -- Exploring the limits of fine-tuning and transferability of foundational machine-learned force fields
von: Grunert, Malte, et al.
Veröffentlicht: (2025)

On the origin of bulk-related anisotropies in surface optical spectra
von: Großmann, Max, et al.
Veröffentlicht: (2025)

Effects of dynamical dielectric screening on the excitonic spectrum of monolayer semiconductors
von: Van Tuan, Dinh, et al.
Veröffentlicht: (2024)

Large-scale cooperative sulfur vacancy dynamics in two-dimensional MoS2 from machine learning interatomic potentials
von: Flötotto, Aaron, et al.
Veröffentlicht: (2025)

Accurate and efficient prediction of the band gaps and optical spectra of chalcopyrite semiconductors from a non-empirical range-separated dielectric-dependent hybrid: Comparison with many-body perturbation theory
von: Ghosh, Arghya, et al.
Veröffentlicht: (2024)

Phonon-mediated renormalization of exciton energies and absorption spectra in polar semiconductors
von: Schebek, Maximilian, et al.
Veröffentlicht: (2024)

Multi-channel machine learning based nonlocal kinetic energy density functional for semiconductors
von: Sun, Liang, et al.
Veröffentlicht: (2024)

Finite-momentum dielectric function and excitonic effects from time-dependent density-functional theory with dielectrically screened hybrid functionals
von: Alam, Didarul, et al.
Veröffentlicht: (2025)

Breakdown of the static dielectric screening approximation of Coulomb interactions in atomically thin semiconductors
von: Mhenni, Amine Ben, et al.
Veröffentlicht: (2024)

Derivative learning of tensorial quantities -- Predicting finite temperature infrared spectra from first principles
von: Schmiedmayer, Bernhard, et al.
Veröffentlicht: (2024)

Comment on Infrared dielectric function of Ga(As,P) semiconductor alloys near the reststrahlen bands (Applied Physics Letters 123, 172102, 2023)
von: Elmahjoubi, A., et al.
Veröffentlicht: (2024)

Predictive quantum vibrational spectra through active learning 4G-NNPs
von: Faruque, Md Omar, et al.
Veröffentlicht: (2025)

Predicting polaron mobility in organic semiconductors with the Feynman variational approach
von: Martin, Bradley A. A., et al.
Veröffentlicht: (2022)

Deep-learning density functional perturbation theory
von: Li, He, et al.
Veröffentlicht: (2024)

Assessing the SCAN functional for deep defects and small polarons in wide-bandgap semiconductors and insulators
von: Wickramaratne, Darshana, et al.
Veröffentlicht: (2023)

Leveraging both faces of polar semiconductor wafers for functional devices
von: van Deurzen, Len, et al.
Veröffentlicht: (2024)

Energies and spectra of solids from the algorithmic inversion of dynamical Hubbard functionals
von: Chiarotti, Tommaso, et al.
Veröffentlicht: (2023)

Imaging propagating terahertz collective modes in two-dimensional semiconductor double layers
von: Pierce, Andrew T., et al.
Veröffentlicht: (2025)

A Deep-learning Model for Fast Prediction of Vacancy Formation in Diverse Materials
von: Choudhary, Kamal, et al.
Veröffentlicht: (2022)

Rationalizing defect formation energies in metals and semiconductors with semilocal density functionals
von: Bazantes, Jorge Vega, et al.
Veröffentlicht: (2026)

Customizing PBE Exchange-Correlation functionals: A comprehensive approach for band gap prediction in diverse semiconductors
von: Bhattacharjee, Satadeep, et al.
Veröffentlicht: (2023)

A chemical bond-based machine learning model for dipole moment: Application to dielectric properties of liquid methanol and ethanol
von: Amano, Tomohito, et al.
Veröffentlicht: (2024)

Room temperature ferromagnetic semiconductors through metal-semiconductor transition in monolayer MnSe2
von: Li, Jia-Wen, et al.
Veröffentlicht: (2023)

Deep learning density functional theory Hamiltonian in real space
von: Yuan, Zilong, et al.
Veröffentlicht: (2024)

Luttinger compensated bipolarized magnetic semiconductor
von: Guo, Peng-Jie, et al.
Veröffentlicht: (2025)

Nonthermal magnetization pathways in photoexcited semiconductors
von: Marini, Giovanni
Veröffentlicht: (2025)

$\mathrm{BaAs_3}$: A narrow gap 2D semiconductor with vacancy-induced semiconductor-metal transition
von: Tang, Ping, et al.
Veröffentlicht: (2019)

Accelerated prediction of dielectric functions in solar cell materials with graph neural networks
von: Ginter, Caden, et al.
Veröffentlicht: (2025)

A meta-generalized gradient approximation-based time-dependent and dielectric function dependent method for optical properties of solid materials
von: Tang, Hong, et al.
Veröffentlicht: (2024)

Predictive autoencoder-transformer model of Cu oxidation state from EELS and XAS spectra
von: Lee, Brian, et al.
Veröffentlicht: (2026)

Envelope-function theory of inhomogeneous strain in semiconductor nanostructures
von: Secchi, Andrea, et al.
Veröffentlicht: (2023)

Nonlinear background corrections to dielectric permittivity of ferroics and multiferroics
von: Girnyk, I. S., et al.
Veröffentlicht: (2024)

Giant dielectric permittivity in Nb-doped rutile crystals
von: Nuzhnyy, D., et al.
Veröffentlicht: (2026)

A dual-cutoff machine-learned potential for condensed organic systems obtained via uncertainty-guided active learning
von: Kahle, Leonid, et al.
Veröffentlicht: (2024)

Fully compensated and uncompensated ferrimagnetic ferrovalley semiconductors
von: Xie, Weifeng, et al.
Veröffentlicht: (2026)