Расчет заряда транспорта в наноструктурированных материалах для электронных устройств

Понимание переноса зарядов в наноструктурированных материалах имеет важное значение для разработки передовых электронных устройств. Эти материалы проявляют уникальные электрические свойства благодаря своим наноразмерным характеристикам, влияющим на производительность и эффективность устройства. Важность таких процессов транспортировки энергии можно найти во многих приложениях, таких как термоуправление оптическими и электронными устройствами, термоэлектрические материалы для преобразования энергии, теплоизоляционные материалы для энергосбережения, материалы теплового интерфейса с использованием наноструктур, высокопроизводительные и термобезопасные батареи, термические терапии с наночастицами и электронные устройства на основе наноструктур. Поскольку индустрия электроники продолжает продвигаться к миниатюризации и улучшенной функциональности, способность точно рассчитать и предсказать поведение переноса заряда в наноразмерных системах становится все более важной как для исследовательских, так и для коммерческих приложений.

Основы зарядного транспорта в наноструктурированных материалах

Транспорт заряда относится к движению электронов или дырок внутри материала под воздействием электрического поля. Передвижение носителей заряда относится к способности носителей заряда перемещаться через материал в ответ на приложенное электрическое поле, что оказывает значительное влияние на производительность электронных устройств. В наноструктурированных материалах этот процесс значительно зависит от квантовых эффектов, поверхностных состояний и геометрии материала. Точный расчет этих процессов помогает оптимизировать конструкцию устройства и позволяет исследователям прогнозировать поведение материала до начала дорогостоящих процессов изготовления.

Квантовые эффекты в наномасштабе

На наноуровне квантово-механические эффекты становятся доминирующими и не могут быть проигнорированы при моделировании переноса зарядов. На наноуровне интерфейсы и границы могут сильно подавлять транспорт энергии путем рассеяния тепло- и/или носителей заряда. К этим квантовым явлениям относятся электронное туннелирование, квантовое удержание и дуальность волновых частиц, все из которых существенно влияют на то, как заряды перемещаются через наноструктурированные материалы. Дискретные энергетические уровни, возникающие из квантового удержания, могут резко изменять электронные свойства по сравнению с объемными материалами, что приводит к уникальным транспортным характеристикам, которые должны быть тщательно рассмотрены в конструкции устройства.

Квантовое замыкание происходит, когда размеры материала становятся сравнимыми с длиной волны носителей заряда де Бройля, как правило, в диапазоне 1—100 нанометров.Это замыкание ограничивает движение электронов и дырок в одном или нескольких измерениях, приводя к образованию дискретных уровней энергии, а не непрерывных энергетических полос. Получающиеся изменения плотности состояний могут существенно влиять на подвижность носителя, проводимость и оптические свойства материала.

Поверхностные состояния и эффекты интерфейса

Поверхностные состояния играют решающую роль в переносе зарядов в наноструктурированных материалах из-за высокого соотношения поверхности к объему, характерного для наноразмерных систем. Эти поверхностные состояния могут выступать в качестве мест улавливания носителей заряда, снижая мобильность и создавая потенциальные барьеры, препятствующие транспорту. Лучшее понимание того, как носители взаимодействуют с интерфейсом или границей, может в значительной степени продвинуть применение нанотехнологий во многих областях исследований. Инженерия интерфейса возникла как критическая стратегия оптимизации переноса зарядов путем тщательного контроля химических и физических свойств границ материала.

Качество интерфейсов между различными материалами или между наноструктурами и их подложками может существенно повлиять на производительность устройства. Дефекты, шероховатость и химическая несовместимость на интерфейсах могут создавать центры рассеяния, которые снижают мобильность носителей. И наоборот, хорошо спроектированные интерфейсы могут способствовать эффективной передаче заряда и даже создавать новые функции посредством выравнивания полос и эффектов перераспределения заряда.

Транспортные механизмы зарядки

Несколько различных механизмов регулируют перенос зарядов в наноструктурированных материалах в зависимости от свойств материала, температуры и структурных характеристик.Эффективная транспортировка заряда в пределах основной массы активных молекулярных материалов является одним из основных факторов, влияющих на эффективность и производительность органических электронных устройств. В аморфных молекулярных агрегатах наблюдаемая эффективная мобильность носителей заряда обычно рассматривается как результат свертывания многообразия межмолекулярных конфигураций. Понимание того, какой механизм доминирует в конкретной системе, имеет важное значение для точного моделирования и оптимизации устройства.

В кристаллических или высокоупорядоченных наноструктурированных материалах обычно доминирует полосовой транспорт при низких температурах, где носители заряда перемещаются через делокализованные состояния с минимальным рассеянием.По мере повышения температуры или возникновения беспорядка переходный транспорт становится более значительным, где носители прыгают между локализованными состояниями. Во многих органических и молекулярных полупроводниках перенос заряда происходит в основном через механизмы перекачки, где скорость переноса заряда между молекулами зависит от электронной связи и энергии реорганизации.

Ключевым фактором, способствующим этому, стал значительный научный прогресс в улучшении свойств переноса зарядов и подвижности носителей, что стало возможным благодаря лучшему пониманию молекулярной структуры-свойства и физики переноса зарядов. Это понимание привело к разработке материалов с подвижностью более 10 см2 / (V·s), приближающихся к материалам аморфного кремния.

Вычислительные методы расчета зарядного транспорта

Разработано несколько вычислительных подходов для анализа переноса зарядов в наноструктурированных материалах, каждый со своими сильными сторонами, ограничениями и соответствующими областями применения. Для проектирования in silico новых сложных материалов для преобразования энергии требуется точное моделирование переноса зарядов ab initio. Выбор метода зависит от размера системы, желаемой точности, доступных вычислительных ресурсов и конкретного исследуемого режима транспортировки.

Функциональная теория плотности (DFT)

Теория функционала плотности (DFT) — метод вычислительного квантово-механического моделирования, используемый в физике, химии и материаловедении для исследования электронной структуры (или ядерной структуры) (в основном основного состояния) систем многих тел, в частности атомов, молекул и конденсированных фаз. Используя эту теорию, свойства многоэлектронной системы можно определить с помощью функционалов — то есть функций, которые принимают функцию в качестве входного и выходного единственного реального числа. DFT стал одним из наиболее широко используемых методов для расчетов электронной структуры благодаря выгодному балансу между точностью и вычислительной стоимостью.

DFT является одним из самых популярных и универсальных методов, доступных в физике конденсированных сред, вычислительной физике и вычислительной химии.В контексте вычислений переноса зарядов DFT предоставляет электронную информацию о структуре, необходимую для определения ключевых параметров, таких как уровни энергии, плотности заряда и молекулярные орбитальные распределения.Эти величины служат входами для транспортных вычислений более высокого уровня или могут использоваться непосредственно для оценки транспортных свойств с помощью различных приближений.

Скорость переноса заряда является одним из ключевых параметров, определяющих производительность органических электронных устройств. Расчеты DFT могут прогнозировать эти скорости, вычисляя электронные элементы связи, энергии реорганизации и энергии участка, которые управляют переносом заряда между молекулярными единицами или наноструктурами.Различные функции обмена-корреляции были разработаны для повышения точности DFT для конкретных приложений, включая гибридные функции и разделенные по диапазону функции, которые лучше описывают состояния переноса заряда.

Функциональная теория ограниченной плотности (CDFT)

В этой работе мы представляем реализацию функциональной теории с ограниченной плотностью (CDFT) для расчета параметров переноса зарядов в режиме перекачки. CDFT расширяет стандарт DFT, позволяя исследователям ограничивать плотность электронов конкретными областями пространства, позволяя вычислять диабетические состояния, которые необходимы для понимания процессов переноса зарядов. Этот метод оказался особенно ценным для изучения переноса зарядов в молекулярных и наноструктурированных материалах, где доминируют механизмы перекачки.

Мы показываем, что некоторые из этих методов дают нефизические результаты для термически неупорядоченных конфигураций, в то время как CDFT оказывается жизнеспособным и надежным подходом. Надежность CDFT делает его особенно подходящим для изучения реалистичных систем, где тепловое расстройство и структурные флуктуации играют важную роль. Вычисляя электронную связь между состояниями, расположенными под зарядом, CDFT обеспечивает ключевые параметры, необходимые для теории Маркуса и других теорий скорости передачи заряда.

Подход CDFT предполагает решение уравнений Кон-Шама с дополнительными ограничениями, которые локализуют заряд на конкретных молекулярных фрагментах или пространственных областях. Это позволяет вычислять состояния переноса заряда и электронную связь между донорскими и акцепторными участками. Метод может обрабатывать сложные молекулярные архитектуры и успешно применяется к широкому спектру систем, от небольших органических молекул до расширенных наноструктур.

Метод неравновесной функции Грина (NEGF)

Эта схема основана на формализме функций Грина для лечения неравновесной проблемы, связанной с функциональной теорией плотности для описания электронной структуры. Метод NEGF обеспечивает строгую основу для расчета переноса заряда через наноразмерные системы при приложенных напряжениях смещения. Этот подход особенно хорошо подходит для изучения квантового транспорта в молекулярных соединениях, нанопроводах и других системах, где важны эффекты квантовой когерентности.

Любая теория с этой предсказательной мощностью должна подчиняться ряду требований: i) надежное описание свойств электронной структуры атомов в области рассеяния; ii) обработка лидов в той же основе, что и область рассеяния; iii) она не должна иметь регулируемых параметров; iv) самосогласованный расчет перераспределения заряда в области рассеяния из-за применения смещения напряжения; v) она должна делать все это для множества различных систем.Хотя с некоторыми недостатками, как обсуждалось позже, подход к расчетам переноса заряда с использованием функции функциональных теорий плотности (DFT-NEGF) очень близок к удовлетворению большого числа этих требований.

Формализм NEGF делит систему на три области: центральную область рассеяния, где происходит интересная физика, и два полубесконечных электрода, которые служат источником и стоком для носителей заряда.Метод вычисляет вероятность передачи электронов при разных энергиях, которые затем могут быть интегрированы для получения характеристик тока-напряжения. Самосогласованная связь с DFT гарантирует, что электронная структура адаптируется к приложенному смещению и полученному перераспределению заряда.

Одним из ключевых преимуществ метода NEGF является его способность включать в себя различные механизмы рассеяния через термины самоэнергии. Электронно-фононные взаимодействия, электронно-электронные корреляции и другие эффекты многих тел могут быть включены без фундаментального изменения теоретической основы. Эта гибкость делает NEGF мощным инструментом для понимания микроскопических истоков сопротивления и рассеивания энергии в наноразмерных устройствах.

Моделирование Монте-Карло

Моделирование Монте-Карло обеспечивает статистический подход к моделированию переноса зарядов путем моделирования стохастического движения носителей зарядов через материал.Эти методы особенно полезны для изучения систем, где важную роль играют беспорядок, тепловые флуктуации и сложные морфологии.В типичном моделировании переноса зарядов Монте-Карло отдельные носители зарядов отслеживаются по мере их перескакивания между локализованными участками, при этом скорости перехода определяются квантово-механическими вычислениями или эмпирическими моделями.

Подход Монте-Карло может естественным образом включать в себя эффекты электрических полей, градиентов температуры и пространственных неоднородностей. Путем моделирования больших ансамблей носителей заряда эти методы могут предсказать макроскопические транспортные свойства, такие как мобильность, коэффициенты диффузии и характеристики тока. Моделирование Монте-Карло особенно ценно для изучения органических полупроводников и неупорядоченных материалов, где аналитические решения недоступны.

Методы Кинетического Монте-Карло (KMC) представляют собой особенно эффективный вариант, который фокусируется на наиболее важных событиях в эволюции системы. Вместо того, чтобы имитировать каждое возможное микроскопическое событие, алгоритмы KMC идентифицируют наиболее вероятные переходы и соответственно продлевают время. Такой подход может значительно снизить вычислительные затраты при сохранении точности, что позволяет имитировать перенос заряда по экспериментально релевантным временным шкалам.

Модели дрифт-диффузии

Модели дрейф-диффузии дают континуумное описание переноса зарядов на основе сопряженного решения уравнения Пуассона и уравнений непрерывности тока. Эти модели рассматривают носители зарядов как классические частицы, дрейфующие под электрическими полями и диффузные из-за градиентов концентрации. Хотя они менее детализированы, чем квантово-механические подходы, модели дрейф-диффузии являются вычислительно эффективными и могут обрабатывать моделирование в масштабе устройства, которое было бы трудноразрешимым с помощью атомистических методов.

Подход дрейф-диффузии требует входных параметров, таких как подвижность носителей, коэффициенты диффузии и скорости рекомбинации, которые могут быть получены из более подробных вычислений или экспериментальных измерений.Эти модели широко используются в полупроводниковой промышленности для моделирования и оптимизации устройств, особенно для солнечных элементов, транзисторов и светодиодов.Современные симуляторы дрейф-диффузии могут включать такие эффекты, как полевая мобильность, взаимодействия несущих и рекомбинации с помощью ловушки.

Несмотря на упрощения, модели дрейф-диффузии остаются ценным инструментом для понимания поведения на уровне устройства и для подключения микроскопических транспортных свойств к характеристикам макроскопического устройства. Они особенно полезны на ранних стадиях проектирования устройства, где быстрая итерация и исследование параметров важнее атомистической точности.

Ключевые параметры в расчетах зарядки транспорта

Точный расчет переноса зарядов требует определения нескольких ключевых параметров, которые регулируют скорость и эффективность переноса зарядов. Эти параметры соединяют микроскопическую электронную структуру с макроскопическими транспортными свойствами и являются важными входными данными для теоретических моделей и моделирования.

Электронная сцепка

Электронная связь, также называемая интегралом переноса или интегралом перекачки, количественно определяет силу электронного взаимодействия между соседними участками или молекулами. Этот параметр определяет, насколько легко носитель заряда может перемещаться из одного локализованного состояния в другое и является критическим фактором перекачки транспорта. Тем не менее, детали молекулярной структуры и топологии электронных состояний, участвующих в механизме переноса заряда, резко влияют на межмолекулярную электронную связь даже в аморфных материалах.

Величина электронной связи чувствительно зависит от относительной ориентации и разделения молекул или наноструктур, а также от перекрытия их электронных волновых функций.В органических полупроводниках типичные значения связи варьируются от нескольких МэВ для слабо взаимодействующих молекул до сотен МэВ для сильно связанных систем.Точный расчет электронной связи требует тщательной обработки электронной структуры и правильного определения диабатических состояний, участвующих в передаче заряда.

Реорганизация энергетики

Энергия реорганизации представляет собой затраты энергии, связанные со структурным расслаблением при переносе заряда. Когда заряд добавляется или удаляется из молекулы или наноструктуры, геометрия настраивается для размещения нового распределения заряда. Эта структурная реорганизация требует энергии и создает барьер активации для переноса заряда. Энергия реорганизации имеет два компонента: внутренняя реорганизация, связанная с изменениями молекулярной геометрии, и внешняя реорганизация, связанная с поляризацией окружающей среды.

Материалы с низкими энергиями реорганизации обычно демонстрируют более высокую подвижность носителей заряда, поскольку барьер активации для перепрыгивания уменьшен. Жесткие, плоские молекулярные структуры, как правило, имеют более низкие энергии реорганизации, чем гибкие молекулы, потому что они подвергаются меньшему геометрическому искажению при зарядке. Вычислительные методы для расчета энергии реорганизации обычно включают оптимизацию геометрии как в нейтральных, так и заряженных состояниях и вычисление энергетических различий между расслабленными и нерасслабленными конфигурациями.

Сайт Энергетика и энергетическое расстройство

Энергия участка относится к энергии носителя заряда, локализованной на конкретном участке, молекуле или наноструктуре. В упорядоченных кристаллических материалах все участки имеют сходные энергии, но в неупорядоченных системах энергии участка могут значительно различаться из-за структурного расстройства, химических примесей или колебаний окружающей среды. Это энергетическое расстройство оказывает глубокое влияние на перенос заряда, поскольку носители, как правило, попадают в ловушку на участках с низкой энергией, снижая общую мобильность.

Распределение энергий участка в материале может характеризоваться его шириной (параметром беспорядка) и формой. Гауссово расстройство обычно предполагается во многих моделях, но реальные материалы могут демонстрировать более сложные распределения. Вычислительные исследования могут предсказать распределение энергии участка путем расчета потенциалов ионизации или сродства электронов молекул в различных локальных средах, учёта электростатических взаимодействий, эффектов поляризации и конформационных вариаций.

Факторы, влияющие на транспортировку заряда в наноструктурированных материалах

На перенос заряда в наноструктурированных материалах влияют многочисленные факторы, охватывающие множество масштабов длины, от дефектов атомного уровня до мезомасштабной морфологии.Понимание и контроль этих факторов имеет важное значение для оптимизации производительности устройства и достижения желаемых электрических свойств.

Дефектная плотность и типы

Дефекты в наноструктурированных материалах могут значительно влиять на перенос заряда, создавая состояния ловушки, центры рассеяния или барьеры для движения носителя. Точечные дефекты, такие как вакансии, интерстициалы и замещающие примеси, могут вводить локализованные состояния в пределах полосы, которые захватывают носители заряда. Расширенные дефекты, такие как границы зерна, дислокации и дефекты штабелирования, могут создавать потенциальные барьеры или изменять местную электронную структуру в более крупных регионах.

Влияние дефектов на перенос заряда зависит от их концентрации, пространственного распределения и электронных свойств.Некоторые дефекты могут выступать в качестве мелководных ловушек, которые временно задерживают движение носителя, но позволяют тепловое высвобождение, в то время как глубокие ловушки могут постоянно обездвиживать носители и снижать проводимость.Вычислительное моделирование дефектов требует тщательного рассмотрения их атомной структуры, состояний заряда и взаимодействия с мобильными носителями.

Дефектная инженерия возникла как стратегия контроля свойств материала, где намеренно вводятся специфические дефекты для изменения электронной структуры или создания желаемых функциональных возможностей.Например, контролируемый допинг с атомами примесей может увеличить концентрацию и проводимость носителя, а поверхностное пассивирование может устранить пагубные состояния ловушки.

Грубость поверхности и морфология

Шероховатость поверхности влияет на перенос заряда в наноструктурированных материалах посредством множества механизмов. Грубые поверхности увеличивают рассеяние носителей заряда, снижая подвижность и повышая сопротивление. В тонкопленочных устройствах шероховатость поверхности может создавать вариации толщины пленки, которые приводят к неравномерному распределению тока и локализованным областям высокой стойкости. К сожалению, их характеристика представляет собой новые проблемы, которые не встречаются в обычных электронных материалах, такие как ограниченная механическая прочность, сложная морфология и изменчивость свойств.

Морфология наноструктурированных материалов в мезомасштабе также играет решающую роль в определении транспортных свойств. В органических полупроводниках и полимерных пленках расположение кристаллических доменов, степень молекулярного упорядочения и связь между упорядоченными областями влияют на то, насколько эффективно заряды могут перемещаться по материалу. Вычислительные исследования эффектов морфологии часто требуют многомасштабных подходов, которые соединяют атомистическое моделирование с моделями континуума.

Состав материала и химическая структура

Химический состав и молекулярная структура наноструктурированных материалов в корне определяют их электронные свойства и характеристики переноса заряда.В органических полупроводниках длина сопряжения, планарность и группы заместителей влияют на электронную связь, энергию реорганизации и энергии участка, управляющие транспортом.Размер сопряженного кольца оказывает большое влияние на свойства переноса заряда.

В неорганических наноструктурах вариации состава могут настраивать бандгап, несущую эффективную массу и диэлектрические свойства. Легирование, легирование и функционализация поверхности обеспечивают дополнительные степени свободы для адаптации электронных свойств. Вычислительный скрининг химических составов стал важным инструментом для обнаружения новых материалов с оптимизированными транспортными свойствами, позволяющим исследователям эффективно исследовать обширные химические пространства.

Связь между химической структурой и транспортными свойствами часто неинтуитивна, требуя систематических вычислительных исследований для установления отношений структуры и свойств. Подходы машинного обучения все чаще объединяются с расчетами первых принципов для ускорения этого процесса открытия и выявления перспективных кандидатов на материал.

Температурные эффекты

Температура оказывает сложное влияние на перенос заряда в наноструктурированных материалах, влияя как на внутренние транспортные механизмы, так и на саму структуру материала. В внутрифлаковом транспорте, по-видимому, преобладают процессы рассеяния электрон-фонон при температурах T > 20 K, в то время как межфлаковый транспорт регулируется туннелированием с помощью фонона. При низких температурах могут доминировать квантовые эффекты и когерентный транспорт, в то время как при более высоких температурах более важным становится термоактивированный перепрыжок.

Фононовое рассеяние увеличивается с температурой, снижая подвижность носителей в полосоподобных транспортных режимах. Однако при перепрыгивании транспорта более высокие температуры могут повышать подвижность за счет обеспечения тепловой энергией для преодоления барьеров активации. Это приводит к различным температурным зависимостям подвижности в разных материалах и режимах транспорта, которые могут быть использованы для идентификации доминирующего транспортного механизма.

Температура также влияет на структуру материала посредством теплового расширения, повышенного расстройства и усиленного молекулярного движения. Эти структурные изменения могут изменять электронную связь, энергию участка и энергию реорганизации, приводя к сложному температурно-зависимому поведению. Точное моделирование температурных эффектов требует включения как электронного, так и структурного вклада, часто посредством моделирования молекулярной динамики в сочетании с электронными расчетами структуры.

Электрические полевые эффекты

Прикладные электрические поля приводят в движение перенос заряда и могут также сами модифицировать транспортные свойства. При низких полях связь между током и напряжением обычно линейна (охмическое поведение), но при высоких полях нелинейные эффекты становятся важными. Полевая зависимость мобильности обычно наблюдается в неупорядоченных материалах, где высокие поля могут помочь носителям выйти из состояний ловушки или изменить энергетический ландшафт.

Очень высокие электрические поля могут приводить к дополнительным явлениям, таким как ионизация, вызванная полем, эффекты горячей несущей и поломка. В наноразмерных устройствах даже скромные приложенные напряжения могут создавать чрезвычайно высокие локальные поля из-за малых размеров, что делает эти эффекты особенно актуальными. Вычислительное моделирование полевых эффектов требует самосогласованной обработки электростатического потенциала и распределения заряда, как это реализовано в подходах NEGF и дрейф-диффузии.

Приложения в дизайне электронных устройств

Способность вычислять и предсказывать перенос заряда в наноструктурированных материалах имеет прямое применение в проектировании и оптимизации различных электронных устройств.Наноструктурированные материалы, такие как 2D-материалы, нанопроволоки, органические полимеры и функциональные молекулы, продемонстрировали беспрецедентные свойства и способности в проводимости носителя, зондировании и обработке информации. Эти достижения были использованы для производства новых носимых, высокопроизводительных и крупномасштабных электронных устройств, поддерживающих видение вездесущей электроники.

Органические полевые транзисторы

Органические полевые транзисторы (OFET) представляют собой одно из важнейших применений органических полупроводников и наноструктурированных материалов. Эти устройства используют органические материалы в качестве активного полупроводникового слоя, предлагая такие преимущества, как недорогое изготовление, механическая гибкость и совместимость с обработкой больших площадей. Расчеты переноса заряда помогают оптимизировать выбор полупроводникового материала, прогнозировать производительность устройства и понимать факторы, ограничивающие мобильность и скорость переключения.

Вычислительные исследования могут идентифицировать молекулярные структуры с высокой электронной связью и низкой энергией реорганизации, прогнозировать влияние молекулярной упаковки на мобильность и направлять конструкцию материалов со сбалансированным переносом электронов и дырок для комплементарных схем.Понимание роли интерфейсов между полупроводниковыми и диэлектрическими или электродными материалами особенно важно для производительности OFET, поскольку эти интерфейсы часто доминируют в поведении устройства.

Органическая фотоэлектрика

Органические фотоэлектрические (ОПВ) устройства преобразуют солнечный свет в электричество с использованием органических полупроводников. Эффективный перенос зарядов необходим для извлечения фотогенерированных зарядов до их рекомбинации. Вычислительное моделирование помогает оптимизировать морфологию смесей донор-акцептор, прогнозировать разделение зарядов и скорость транспортировки и понимать механизмы потерь, которые ограничивают эффективность устройства.

Сложная трехмерная морфология активных слоев OPV представляет значительные проблемы для моделирования переноса зарядов. Многомасштабные подходы, которые объединяют моделирование молекулярной динамики для создания реалистичных морфологий с расчетами переноса заряда на этих структурах, оказались ценными для понимания отношений структуры и производительности. Эти исследования могут направлять условия обработки и выбор материала для достижения оптимальных морфологий для сбора зарядов.

Термоэлектрические устройства

Термоэлектрические материалы преобразуют перепады температур в электрическое напряжение и наоборот, с применением в рекуперации отработанного тепла и твердотельном охлаждении. Эффективные термоэлектрические материалы требуют высокой электропроводности в сочетании с низкой теплопроводностью, сложной комбинацией для достижения. Наноструктурирование предлагает многообещающий подход к отделению этих свойств путем введения интерфейсов, которые рассеивают фононы сильнее, чем электроны.

Вычислительные исследования переноса зарядов в наноструктурированных термоэлектрических материалах помогают прогнозировать электропроводность и коэффициент Зеебека как функции композиции, структуры и температуры. Эти расчеты могут направлять конструкцию нанокомпозитов, суперрешеток и других наноструктурных архитектур, которые максимизируют термоэлектрические характеристики. Понимание того, как границы зерен, интерфейсы и дефекты влияют как на перенос заряда, так и на тепло, имеет важное значение для оптимизации этих материалов.

Молекулярная электроника

Молекулярная электроника стремится использовать отдельные молекулы или небольшие молекулярные узлы в качестве функциональных электронных компонентов. Это поле представляет собой конечный предел миниатюризации, где отдельные молекулы служат проводами, переключателями или транзисторами. Расчеты переноса заряда абсолютно необходимы в молекулярной электронике, потому что квантовая природа транспорта не может быть проигнорирована в этом масштабе.

Метод NEGF в сочетании с DFT стал стандартным подходом для расчета токо-напряженных характеристик молекулярных соединений. Эти расчеты могут прогнозировать проводимость, идентифицировать транспортные механизмы (когерентное туннелирование против прыжка) и направлять конструкцию молекул с желаемыми электронными функциями. Понимание того, как молекулярная структура, конформация и геометрия контакта влияют на транспорт, имеет решающее значение для реализации практических молекулярных электронных устройств.

Датчики и биосенсоры

Наноструктурированные материалы обеспечивают исключительную чувствительность для сенсорных приложений из-за их высокой площади поверхности и сильной реакции на модификации поверхности. На перенос заряда в этих материалах может сильно влиять адсорбция молекул-мишеней, изменения химии поверхности или условий окружающей среды. Вычислительное моделирование помогает понять механизмы восприятия, предсказать чувствительность и избирательность, а также конструировать материалы, оптимизированные для конкретных анализируемых веществ.

В биосенсорах расчеты переноса заряда могут предсказать, как связывание биомолекулы влияет на электронные свойства наноструктурированных преобразователей, таких как нанопроволоки, углеродные нанотрубки или графен. Понимание связи между событиями биохимического распознавания и электронными сигналами имеет важное значение для разработки чувствительных и селективных биосенсоров для медицинской диагностики и мониторинга окружающей среды.

Передовые вычислительные методы и последние разработки

Область вычислений переноса зарядов продолжает развиваться с развитием новых вычислительных методов, улучшенных алгоритмов и увеличенной вычислительной мощности.Последние достижения расширили область и точность моделирования, позволив изучать более крупные системы, более длинные временные масштабы и более сложные явления.

Подходы машинного обучения

Машинное обучение все чаще интегрируется с традиционными вычислительными методами для ускорения расчетов переноса зарядов и позволяет изучать системы, которые были бы трудноразрешимыми с обычными подходами. Потенциалы нейронных сетей могут быть обучены на данных первых принципов для обеспечения точных энергий и сил за долю вычислительной стоимости, что позволяет имитировать молекулярную динамику больших систем в течение длительного времени.

Модели машинного обучения также можно обучить прогнозировать транспортные свойства непосредственно из структурных особенностей, минуя дорогостоящие квантово-механические вычисления. Эти модели могут экранировать большие базы данных материалов для выявления перспективных кандидатов для конкретных применений. Трансферное обучение и активные стратегии обучения помогают оптимизировать процесс обучения и повысить точность модели с ограниченными данными.

Многомасштабные моделирующие рамки

Транспорт заряда в реалистичных устройствах включает явления, происходящие в нескольких масштабах длины и времени, от квантово-механических процессов на атомном уровне до потока тока в масштабе устройства. Многомасштабные моделирующие структуры, которые легко интегрируют различные уровни теории, необходимы для преодоления этого разрыва. Эти подходы могут объединить квантово-механические расчеты для электронной структуры, молекулярную динамику для структурной эволюции, кинетическую Монте-Карло для динамики заряда и модели континуума для моделирования устройства.

Разработка последовательных и эффективных схем связи между различными уровнями теории остается активной областью исследований. Задача состоит в том, чтобы передавать информацию между масштабами, не теряя при этом существенной физики, сохраняя при этом вычислительную тяготеемость. Успешные многомасштабные подходы могут обеспечить понимание, которое невозможно получить из любого одного метода в одиночку.

Зависимые от времени подходы

Большинство расчетов переноса заряда сосредоточены на свойствах устойчивого состояния или равновесия, но многие важные явления включают зависящие от времени процессы. Функциональная теория плотности, зависящая от времени (TDDFT), расширяет DFT для лечения возбужденных состояний и зависящих от времени возмущений, позволяя изучать фотовозбуждение, разделение заряда и сверхбыструю динамику переноса заряда. Методы распространения в реальном времени могут имитировать реакцию материалов на зависящие от времени электрические поля или оптические импульсы.

Неадиабатические методы молекулярной динамики, которые лечат связанную эволюцию электронных и ядерных степеней свободы, необходимы для понимания процессов, где приближение Борна-Оппенгеймера ломается.Эти методы могут захватывать такие явления, как образование поляронов, рекомбинация зарядов и роль вибрационных режимов в облегчении или затруднении переноса заряда.

Высокопроизводительные вычисления и разработка кода

Растущая доступность высокопроизводительных вычислительных ресурсов позволила осуществлять расчеты переноса зарядов в беспрецедентных масштабах. Современные суперкомпьютеры с тысячами процессоров позволяют моделировать системы, содержащие миллионы атомов, или исследовать огромные пространства параметров. Эффективные стратегии параллелизации и оптимизированные алгоритмы необходимы для полного использования этих ресурсов.

Пакеты программного обеспечения с открытым исходным кодом для расчетов переноса заряда становятся все более изощренными и удобными для пользователя, снижая барьер для входа для исследователей и позволяя более широкое внедрение вычислительных методов. Эти коды часто реализуют несколько методов и обеспечивают гибкие рамки для разработки и тестирования методов. Усилия по разработке и валидации на основе сообщества помогают обеспечить качество и надежность кода.

Проблемы и будущие направления

Несмотря на значительный прогресс в вычислительных методах переноса зарядов, остаются некоторые проблемы, ограничивающие точность, масштаб и применимость современных подходов.Решение этих проблем потребует дальнейшей разработки методов, улучшения теоретического понимания и более тесной интеграции между вычислениями и экспериментами.

Точность и надежность

Точность расчетов переноса зарядов критически зависит от качества основного метода электронной структуры и приближений, сделанных в теории транспорта. DFT, хотя широко используется, имеет хорошо известные ограничения в описании состояний переноса заряда, взаимодействий Ван-дер-Ваальса и сильно коррелированных систем. DFT иногда не описывает должным образом: межмолекулярные взаимодействия (критически важные для понимания химических реакций), особенно силы Ван-дер-Ваальса (дисперсия); возбуждения переноса заряда; переходные состояния, глобальные потенциальные энергетические поверхности, допант-взаимодействия и некоторые сильно коррелированные системы; и в расчетах разрыва полосы и ферромагнетизма в полупроводниках.

Разработка более точных и надежных методов, которые могут обрабатывать разнообразный спектр материалов и явлений, имеющих отношение к переносу заряда, остается постоянной проблемой. Для установления надежности вычислительных прогнозов необходимы базовые исследования, сравнивающие различные методы и подтверждающие вычисления или экспериментальные данные квантовой химии высокого уровня.

Размер и сложность системы

Многие реалистичные системы, представляющие интерес для приложений электронных устройств, включают сложные морфологии, несколько компонентов и большие размеры системы, которые бросают вызов текущим вычислительным возможностям. Моделирование переноса заряда в полной структуре устройства с реалистичными размерами и учетом всех соответствующих физических процессов остается недостижимым для большинства методов первых принципов. Разработка эффективных приближений и многомасштабных подходов, которые могут справиться с этой сложностью, сохраняя при этом существенную точность, имеет решающее значение.

Статистический характер неупорядоченных материалов представляет дополнительные проблемы, поскольку для учета структурных и энергетических расстройств для значимых прогнозов часто требуется усреднение по многим конфигурациям. Генерирование репрезентативных ансамблей и выполнение достаточной выборки для получения конвергентных результатов может быть вычислительно требовательным.

Интеграция с экспериментом

Более тесная интеграция между вычислительными предсказаниями и экспериментальными измерениями необходима для проверки методов, уточнения моделей и ускорения обнаружения материалов. Используя подход исследования с разрешением силы, было оптимизировано взаимодействие контактов с наноструктурированными материалами и идентифицирован режим силы, который позволяет надежно и повторяемо измерять без ущерба для 2D-материалов и наноструктурированных пленок. Кроме того, разрешение силы позволяет легкому крупномасштабному процессу картирования исследовать свойства материалов на морфологически сложных и композиционно изменяющихся материалах и позволяет проводить статистический анализ свойств 2D-материалов.

Разработка стандартизированных протоколов для сравнения вычислительных и экспериментальных результатов, учета различий в условиях и определениях и установления циклов обратной связи между теорией и экспериментом усилит влияние вычислительных исследований. Подходы машинного обучения, которые могут учиться как на вычислительных, так и на экспериментальных данных, предлагают многообещающие возможности для преодоления этого разрыва.

Новые материалы и явления

Новые классы материалов продолжают появляться с новыми свойствами и транспортными явлениями, которые бросают вызов существующим теоретическим основам. Двумерные материалы, топологические изоляторы, квантовые точки и гибридные органические неорганические перовскиты представляют собой уникальные характеристики, которые могут потребовать специализированной обработки. Разработка вычислительных методов, которые могут обрабатывать эти новые материалы и надежно прогнозировать их свойства, имеет важное значение для руководства экспериментальными усилиями и ускорения их разработки для приложений.

Понимание и использование квантовых эффектов, таких как когерентность, запутанность и топологическая защита, ответственные за транспорт, представляет собой захватывающий рубеж. Эти явления могут обеспечить новые функциональные возможности устройства и улучшенную производительность, но они также требуют сложных теоретических методов лечения, которые выходят за рамки обычных транспортных теорий.

Лучшие практики расчета зарядки транспорта

Выполнение надежных расчетов переноса заряда требует тщательного внимания к вычислительным деталям, процедурам проверки и интерпретации результатов.Следуя установленным передовым методам, можно обеспечить качество и воспроизводимость вычислительных исследований.

Выбор метода и его валидация

Выбор подходящего вычислительного метода зависит от изучаемой системы, режима транспортировки, желаемой точности и имеющихся вычислительных ресурсов. Для малых молекулярных систем, где требуется высокая точность, могут потребоваться методы на основе волновых функций или высокоуровневые функции DFT. Для более крупных систем или моделирования в масштабе устройства становятся необходимыми более приблизительные методы или многомасштабные подходы.

Проверка выбранного метода на экспериментальные данные, вычисления более высокого уровня или установленные ориентиры имеет решающее значение перед применением его к новым системам.Систематические тесты на конвергенцию в отношении базисных наборов, выборки k-точек и других числовых параметров гарантируют, что результаты не являются артефактами недостаточной численной точности.

Структурные соображения

Структурная модель, используемая для расчетов переноса заряда, существенно влияет на результаты. Для кристаллических материалов необходимо обеспечить надлежащую оптимизацию геометрии и использовать соответствующие единичные клетки. Для неупорядоченных материалов для захвата эффектов беспорядка необходимо генерировать репрезентативные структурные ансамбли с помощью молекулярной динамики или других методов отбора проб.

Интерфейсные структуры требуют особого ухода, поскольку детали интерфейсов атомного масштаба могут резко влиять на перенос заряда. Реалистичные модели интерфейсов должны учитывать возможные реконструкции, интердиффузию и эффекты деформации. Для органических материалов рассмотрение множественных молекулярных конформаций и упаковочных устройств помогает оценить чувствительность свойств транспорта к структурным изменениям.

Вытяжка и анализ параметров

Извлечение из расчетов электронной структуры транспортных параметров, таких как электронная связь, энергия реорганизации и энергия участка, требует тщательного определения соответствующих величин и последовательного применения выбранной методологии.Различные определения и схемы извлечения могут давать разные числовые значения, поэтому четкое документирование используемого подхода имеет важное значение для воспроизводимости.

Анализ результатов с точки зрения физических механизмов и отношений структуры и собственности дает представление о том, что выходит за рамки необработанных численных прогнозов. Выявление того, какие факторы ограничивают транспорт, понимание роли различных структурных особенностей и подключение результатов вычислений к экспериментальным наблюдаемым повышает ценность вычислительных исследований.

Заключение

Расчет переноса заряда в наноструктурированных материалах стал важным инструментом для понимания и оптимизации производительности электронного устройства.Разнообразный спектр доступных вычислительных методов - от квантово-механических подходов к моделированию непрерывных устройств - предоставляет исследователям мощные возможности для прогнозирования свойств материала, понимания транспортных механизмов и руководства экспериментальными усилиями.

Теория функционала плотности и её расширения, включая ограниченный DFT, обеспечивают точную информацию электронной структуры, которая служит основой для транспортных вычислений. Метод функции неравновесного Грина предлагает строгую основу для квантового транспорта в наноразмерных системах, в то время как моделирование Монте-Карло и модели дрейф-диффузии позволяют изучать более крупные системы и более длинные временные шкалы. Каждый метод имеет свои сильные стороны и ограничения, и выбор соответствующего подхода требует понимания физики системы и вопросов, которые рассматриваются.

Факторы, влияющие на перенос заряда в наноструктурированных материалах, многочисленны и взаимосвязаны, охватывая от дефектов атомного масштаба до мезомасштабной морфологии. Плотность дефекта, шероховатость поверхности, состав материала, температура и электрические поля играют важную роль в определении транспортных свойств. Вычислительные исследования помогают распутать эти эффекты и определить стратегии оптимизации.

Применение расчетов переноса зарядов охватывает широкий спектр электронных устройств, включая органические транзисторы, фотоэлектрику, термоэлектрику, молекулярную электронику и датчики.В каждом случае вычислительное моделирование дает представление, ускоряющее разработку и позволяющее рационально проектировать материалы и архитектуры устройств.Продолжающаяся эволюция вычислительных методов, обусловленная достижениями в алгоритмах, теории и вычислительной мощности, обещает еще больше расширить влияние этих подходов.

Заглядывая вперед, решение остающихся задач в точности, размере системы и интеграции с экспериментом будет иметь решающее значение для реализации полного потенциала исследований переноса вычислительных зарядов. Новые подходы, основанные на машинном обучении, многомасштабном моделировании и зависящих от времени методах, предлагают захватывающие возможности для преодоления текущих ограничений. По мере того, как вычислительные возможности продолжают расти и методы созревают, роль вычислений в руководстве разработкой электронных материалов и устройств следующего поколения будет только возрастать.

Для исследователей и инженеров, работающих в этой области, важно оставаться в курсе методологических разработок, следовать передовым практикам и поддерживать тесные связи между теорией и экспериментом. Ресурсы, доступные через программное обеспечение с открытым исходным кодом, онлайн-базы данных и совместные исследовательские сети, предоставляют беспрецедентные возможности для продвижения нашего понимания переноса заряда в наноструктурированных материалах. Для получения дополнительной информации о вычислительных материалах, посетите проект Материалы , а также для получения подробной информации о методах электронной структуры см. документацию Quantum ESPRESSO . Дополнительные ресурсы по органической электронике можно найти на портале Nature Organic Electronics .

Область переноса зарядов в наноструктурированных материалах находится на пересечении физики, химии, материаловедения и техники, требуя междисциплинарных подходов и сотрудничества.Поскольку мы продолжаем расширять границы миниатюризации и разрабатывать новые материалы с индивидуальными свойствами, способность точно вычислять и прогнозировать поведение переноса зарядов останется критически важной способностью для научных открытий и технологических инноваций.