Introducción a la teoría funcional de la densidad en la investigación de materiales 2D

La teoría funcional de la densidad (DFT) ha surgido como una de las herramientas computacionales más impactantes en la ciencia de materiales modernos. Al tratar el problema de los electrones de muchos cuerpos a través de una descripción efectiva de partículas únicas, DFT permite a los investigadores predecir una amplia gama de propiedades materiales — desde constantes de celos y energías de formación hasta estructuras de banda y espectro óptico— sin necesidad de un ensayo y un análisis de tiempo reducido.

Los materiales bidimensionales (2D) definidos como sólidos cristalinos con espesor atómico y dimensiones laterales ampliadas, han atraído enorme interés desde el aislamiento del grafino en 2004. Su dimensión reducida da lugar a nuevos comportamientos electrónicos, ópticos y mecánicos que no están en contrapartes a granel. Sin embargo, la explotación de estas propiedades para dispositivos prácticos requiere un control preciso sobre su estructura electrónica, un desafío que DFT es incomparable para cumplir con los siguientes materiales.

Comprender materiales de dos dimensiones

Los materiales bidimensionales abarcan una familia diversa de cristales estratos que pueden ser exfoliados o cultivados en hojas atópicamente finas. Su característica definitoria es el confinamiento cuántico en una dirección, que resulta en estados electrónicos que están en gran medida confinados al plano. Este confinamiento influye fuertemente en la densidad de estados, energías vinculantes exciton y fenómenos de transporte.

Familias Principales de Materiales 2D

  • Graphene:] Un monocapa de átomos de carbono en una celosía de panal. Expone movilidad de alta velocidad, fuerza mecánica y conductividad térmica. Su estructura electrónica de banda cero, sin embargo, limita su uso en aplicaciones lógicas digitales.
  • Transición Metal Dichalcogenides (TMDs):] Compuestos de la forma MX2 (M = Mo, W; X = S, Se, Te). A diferencia del grafino, muchos TMD tienen un bandgap directo en la forma de monóla, haciéndolos atractivos para los transistores, fotodetecdores y dispositivos de emisión ligera W2 los miembros MoS
  • Phosphorene: Un monocapa de fósforo negro. Cuenta con un bandgap directo sintonizado que depende del número de capas, junto con propiedades electrónicas y mecánicas altamente anisotrópicas.
  • ]Nitrido de Borón hexagonal (h-BN): Un material 2D aislante con un ancho bandgap (~6 eV). Se utiliza a menudo como un sustrato dielectrico o capa de encapsulación para otros materiales 2D.
  • MXenes: Una clase relativamente nueva de carburos y nitridos metálicos de transición, que ofrecen conductividad metálica y superficies hidrofílicas adecuadas para almacenamiento de energía y blindaje de interferencia electromagnética.

Cada familia proporciona una estructura electrónica de referencia única, que puede ser modificada por perturbaciones externas o ingeniería estructural. DFT sirve como la herramienta computacional primaria para predecir cómo tales modificaciones alteran el material#8217;s propiedades.

El papel de la teoría funcional de la densidad

DFT está basado en los teoremas Hohenberg-Kohn, que indican que la energía del estado-caliente de un sistema de muchos electrón es una funcionalidad única de la densidad de electrones. El enfoque Kohn-Sham transforma el problema de interacción en un conjunto de partículas no-interactantes que se mueven en un potencial eficaz, reduciendo enormemente la complejidad computacional. La precisión de cualquier cálculo DFT hinges sobre la elección de intercambio de aproximación

Aproximaciones clave y su impacto en los materiales 2D

  • Densidad local Aproximación (LDA):] Supone que la energía XC por electron es la misma que en un gas electron uniforme. Mientras que la LDA es computacionalmente barata, a menudo sobreestima energías vinculantes y subestima constantes de la celosía. Para materiales 2D, puede predecir incorrectamente la estructura de estado bajo de sistemas de vacalestación Waal.
  • Aproximación de ingredientes generales (GGA), por ejemplo, PBE:] Incorpora el gradiente de la densidad, mejorando la precisión de los vínculos y las diferencias energéticas. Sin embargo, GGA estándar no logra capturar las interacciones van der Waals (vdW), que son esenciales para las energías de unión y exfoliación de intercapas de materiales 2D.
  • Van der Waals Corrected Functionals: Métodos como DFT-D2, DFT-D3 (Grimme), y vdW-DF incluyen correcciones semi-empíricas o no locales para describir las fuerzas de dispersión.Estos son esenciales para predecir el espaciamiento de intercapacidad, energías vinculantes y estructura electrónica de sistemas multicapacitados 2D.
  • Hybrid Funcional (por ejemplo, HSE06): Mezcla una parte del intercambio exacto de Hartree-Fock con GGA, dando bandagas más precisas para semiconductores e aisladores. Para TMDs y fosforne, HSE06 a menudo proporciona valores de bandagap cerca de mediciones experimentales, a un costo computacional más alto.
  • G0W0 Correcciones: Un enfoque de perturbación de muchos cuerpos aplicado en la parte superior de DFT para mejorar aún más las energías de cuasipartícula. G0W0 es considerado el estándar de oro para los brotes pero es computacionalmente intensivo, limitando su uso en estudios de alta potencia.

En la práctica, un flujo de trabajo típico de DFT para un material 2D implica construir una supercell con una capa de vacío (15-20 Å) para eliminar las interacciones espurias entre las imágenes periódicas, seleccionando un funcional adecuado para la propiedad objetivo, y convergiendo el cálculo con respecto a la toma de onda plana y muestreo de punto k. Muchos códigos modernos (VASP, Quantum ESPRESSO, GPAW, CP2K) incluyen sistemas de rutina para 2D.

Estrategias para Tuning Propiedades Electrónicas

DFT permite a los investigadores explorar sistemáticamente un amplio espacio de parámetros de modificaciones a la celosía 2D prístina. A continuación se presentan las estrategias más comunes para ajustar la estructura electrónica, junto con las ideas DFT sobre sus mecanismos y resultados.

Doping and Alloying

El uso de la banda de TFT en el sistema de subgeno de la banda, se ha observado en el sistema de proa, y se ha modificado el sistema de proa de la banda de la banda de la banda de forma continua. Los cálculos DFT pueden predecir la energía de formación de una configuración experimental de dopado, la densidad resultante de los estados y el efecto de la ingesta de la banda

Ingeniería de estrados

La deformación mecánica es un potente botón para controlar la estructura electrónica de materiales 2D debido a su excepcional flexibilidad mecánica, pueden soportar tensiones de hasta 10-20% antes del fracaso. Las simulaciones DFT que aplican cepas biaxiales o uniaxiales revelan cambios sistemáticos en el bandgap, masa efectiva e incluso la inversión de banda.

Heteroestructuras y Moiré Engineering

El acoplamiento de diferentes materiales 2D sin unión de intercapa covalente crea heteroestructuras van der Waals, donde las propiedades resultantes a menudo superan las de las capas individuales. DFT ha sido instrumental en la predicción de la alineación de banda (tipo I, tipo II o tipo III) en la interfaz, así como la transferencia de carga e hibridación de intercapa.

Funcionalización química

La fijación de grupos químicos a la superficie de un material 2D puede cambiar dramáticamente su carácter electrónico. La hidrogenación del grafino produce grafitano, un derivado aislante con la misma latidura de panal pero unión sp3. De manera similar, la fluoración, la oxidación u otra funcionalidad covalente puede abrir un bandgap en el grafino o modificar la función de trabajo.

Campo eléctrico y proyección eléctrica

Aplicar un campo eléctrico externo perpendicular al plano de un material 2D induce un efecto Stark que puede cambiar las bandas y reducir el bandgap. Bilayer graphene, por ejemplo, abre un bandgap tunable bajo un campo de desplazamiento, como predijo por DFT y confirmado experimentalmente. En monolayer TMDs, el efecto de campo es más débil debido al espesor de capas más cortas, pero sigue mod

Ingeniería de defectos

Los defectos de punto — vacantes, antisites o límites de granos— son inevitables en síntesis a gran escala y pueden dominar el transporte electrónico. DFT puede predecir las energías de formación y cargar los niveles de transición de diversos defectos. Por ejemplo, una vacante de azufre en MoS2 introduce un estado de donante profundo que actúa como una trampa para electrones y limita el rendimiento de transistor de efectos de campo.

Estudios de casos: Tuning guiado por DFT de materiales 2D

Ingeniería de bandas inducidas en el estrado en MoS2

Múltiples estudios DFT usando el PBE funcional con las correcciones van der Waals han mapeado el bandgap de monolayer MoS2 como una función de cepa biaxial. A cero, el bandgap directo en K es alrededor 1.8 eV (PBE) o 2.5 eV (HSE06). Bajo 2% tensión de tracción de tracción, la brecha directa disminuye por ~0.1 eV, mientras que la brecha indirecta alrededor de Gamma a Kgo

Dopaje de fosforeno para contactos electrónicos

La movilidad anisótropa de Phosphorene y el bandgap tunable hacen que sea atractivo para los transistores de efectos de campo. Sin embargo, la presencia de defectos nativos y degradación en el aire siguen siendo desafíos. Cálculos DFT por Guo et al. (2014) explorado dopa substitucional con elementos del grupo IV y V. Encontraron que Si y Ge actúan como dopants de tipo, mientras que las energías de computación

Graphene de Bilayer Twisted

El descubrimiento de estados de aislamiento correlativo y la superconductividad en el grafino bicapa torcido magistral (MATBG) ha estimulado una extensa investigación de DFT. Aunque el DFT estándar en las células de unidad moiré grandes es prohibitivo, de densidad-funcional ajustado de unión estrecha (DFTB) y modelos híbridos que incorporan aproximaciones continuum han reproducido con éxito las bandas planas cerca del ángulo simulado (~1.1

Desafíos y limitaciones de la DFT para materiales 2D

A pesar de sus éxitos, DFT no es una panacea. Varias limitaciones conocidas afectan la fiabilidad de las predicciones para sistemas 2D:

  • Bandgap Subestimación: LDA y GGA subestiman severamente los bandgaps debido al error de autointeracción. Mientras que las funciones híbridas y las correcciones G0W0 mejoran la precisión, vienen con un costo computacional significativamente mayor, limitando su uso en la detección de alta velocidad.
  • Van der Waals Interacciones: Muchos materiales 2D se mantienen juntos en múltiples capas por fuerzas débiles de vdW. Las funciones semilocales estándar no describen estas interacciones, lo que lleva a distancias incorrectas de intercapa y energías vinculantes. Incluso con correcciones de vdW, los resultados pueden depender del esquema de corrección elegido (por ejemplo, DFT-D3 vDF).
  • Propiedades estatales específicas: DFT es una teoría de la perturbación del estado terrestre. La absorción óptica, la unión de excitones y la luminiscencia requieren DFT (TDDFT) dependiente del tiempo o la teoría de perturbación de muchos cuerpos (Ecuación de la cámara de seguridad).Para materiales 2D, la interacción de la matriz aumentada conduce a grandes energías de unión de excitones (hasta 1 eV para bandas estándar no capturadas).
  • Las células de unidad de gran tamaño para defectos y sistemas de doblez: La modelación de concentraciones realistas de defectos o patrones moiré a menudo requiere supercelulares con cientos o miles de átomos, empujando los límites de la onda de avión DFT. Los métodos alternativos como DFTB, potenciales de máquina, o enfoques de bajado son necesarios para tratar dichos sistemas.
  • Dependencia ambiental: Las propiedades electrónicas de los materiales 2D son altamente sensibles al medio ambiente — sustratos, encapsulado h-BN o contaminación superficial. Los cálculos DFT suelen asumir una losa limpia y libre, que puede no reflejar realidades experimentales sin sofisticados esquemas de embedding.

Futuras: Combinando DFT con Aprendizaje de Máquinas y Proyección de Alto Crecimiento

El vasto espacio químico y estructural de materiales 2D — millones de monocapas potenciales— no se puede explorar manualmente. La detección de DFT de alto rendimiento ha surgido como un paradigma poderoso, donde flujos de trabajo automatizados calculan propiedades como estabilidad, bandgap y función de trabajo para miles de candidatos. Proyectos como el Proyecto Materiales, AFLOW y JARVIS-DFT incluyen bases de datos de propiedades de material de cálculo rápido que permiten repetir los costosos.

Los modelos de aprendizaje automático (ML) entrenados en datos DFT aceleran aún más el descubrimiento. Las redes neuronales y la regresión del proceso gaisiano pueden predecir brotes, energías de formación e incluso densidad entera de estados con precisión cercana a DFT en milisegundos, sin resolver las ecuaciones Kohn-Sham. Para materiales 2D, los modelos ML se han desarrollado para predecir el brote de TMDs como función de cálculo total de la mayor cantidad de esformática

Otra frontera es la integración de DFT con circuitos de retroalimentación experimental. Combinando las predicciones DFT con síntesis y caracterización, los investigadores pueden cerrar el circuito: DFT sugiere una concentración óptima de dopaje para un bandgap deseado, los experimentos crecen el material, y la estructura resultante se caracteriza (XRD, PL, ARPES) para validar o perfeccionar el modelo DFT.

Conclusión

La teoría funcional de la densidad ha demostrado ser indispensable para entender e ingeniería las propiedades electrónicas de materiales bidimensionales. Su capacidad para predecir cómo dopaje, cepa, heteroestructuración, funcionalidad y defectos alteran la estructura de banda y la dinámica de portador proporciona una hoja de ruta para la síntesis experimental y el diseño de dispositivos. Mientras que los desafíos en la precisión (especialmente para los sistemas de bandgaps, excitones y sistemas de gran escala) persisten, los desarrollos en la teoría de intercambios

La sinergia entre DFT y las técnicas emergentes de aprendizaje automático promete acelerar el descubrimiento de materiales 2D con funciones electrónicas adaptadas, desde transistores flexibles a sensores cuánticos. Para los investigadores que entran en el campo, dominar las simulaciones DFT dentro de un marco de alto rendimiento se está convirtiendo en tan esencial como las técnicas de caracterización estándar. A medida que la potencia computacional continúa creciendo y los algoritmos avanzan, DFT seguirá siendo una piedra angular de investigación de materiales 2D, informando directamente a los dispositivos de generación de generación de generación de generación de la electrónica.

Para más lectura, consulte el examen amplio de Heine (2015) sobre materiales 2D computacionales [enlace externo]], la base de datos del Proyecto Materiales de materiales 2D [enlace externo]], y un estudio detallado de referencia de las funciones de van der Waals para sistemas estratados [LT4][