Pushing the Pareto front of band gap and permittivity: ML-guided search for dielectric materials

要約

高誘電率の材料は外部電場下で容易に分極するため、多くの現代の電子デバイスで重要な機能を実行できます。
それらの実用性は、2 つの相反する特性によって決まります。バンド ギャップが狭い材料では誘電率が高く、絶縁破壊前の動作電圧が制限される傾向があります。
私たちは、元素置換、ML プレスクリーニング、非経験シミュレーション、および人間の専門家の直感を組み合わせたハイスループットのワークフローを提示して、潜在的な誘電体となる未知の材料の広大な空間を効率的に探索し、2 つの新しい誘電体材料 CsTaTeO6 の合成と特性評価につながります。
およびBi2Zr2O7。
私たちの重要なアイデアは、凹型パレート フロントを使用した多目的最適化設定で ML を展開することです。
通常、単一目的の最適化よりも難しいと考えられていますが、バンド ギャップと誘電率の間の $1/x$ 相関により、実際にはバンド ギャップと誘電率の個別のモデルを許可することでタスクが ML 手法に適したものになるという予備的な証拠を主張し、示します。
それぞれが優れたトレーニングサポートが提供される地域で活動しながら、優れたメリットのある教材を予測しています。
私たちの知る限り、これは実験的な合成と特性評価を達成する、ML に基づく多目的材料の最適化に成功した最初の例です。
CsTaTeO6 は、参照データ ソースには存在しない元素置換によって生成された構造であり、デノボ材料設計の成功例となります。
一方、我々は、バンドギャップ 2.27 eV、誘電率 20.5 の Bi2Zr2O7 の最初の高純度合成と誘電特性評価を報告し、多目的探索のすべての目標指標を満たします。

要約(オリジナル)

Materials with high-dielectric constant easily polarize under external electric fields, allowing them to perform essential functions in many modern electronic devices. Their practical utility is determined by two conflicting properties: high dielectric constants tend to occur in materials with narrow band gaps, limiting the operating voltage before dielectric breakdown. We present a high-throughput workflow that combines element substitution, ML pre-screening, ab initio simulation and human expert intuition to efficiently explore the vast space of unknown materials for potential dielectrics, leading to the synthesis and characterization of two novel dielectric materials, CsTaTeO6 and Bi2Zr2O7. Our key idea is to deploy ML in a multi-objective optimization setting with concave Pareto front. While usually considered more challenging than single-objective optimization, we argue and show preliminary evidence that the $1/x$-correlation between band gap and permittivity in fact makes the task more amenable to ML methods by allowing separate models for band gap and permittivity to each operate in regions of good training support while still predicting materials of exceptional merit. To our knowledge, this is the first instance of successful ML-guided multi-objective materials optimization achieving experimental synthesis and characterization. CsTaTeO6 is a structure generated via element substitution not present in our reference data sources, thus exemplifying successful de-novo materials design. Meanwhile, we report the first high-purity synthesis and dielectric characterization of Bi2Zr2O7 with a band gap of 2.27 eV and a permittivity of 20.5, meeting all target metrics of our multi-objective search.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google