板块模型构建、k点选定及Miller指数对表面分类
1表面的重要性
表面对于催化、界面科学、电子制造,半导体制造等很多领域都是非常重要的。理解表面的几何构型和电子结构十分有意义。在一些科研项目中,表面科学实验和DFT计算成功的结合在一起。DFT计算常常和超高真空表面科学的实验技术相结合,例如:扫描隧道显微镜()、程序升温脱附()、X射线光电子能谱(),从而可以确定金属、金属氧化物、纳米颗粒、碳化物和硫化物的表面结构。例如,1959年通过对表面进行电子衍射实验,表明该表面具有复杂对称性,并且形成表面的原子排列与体相晶体结构完全不同。由于在微电子技术的重要性,详细了解其表面结构是十分重要的。知道1992年才完成一个很大的超晶胞的DFT计算,从而对表面重构进行了有效性测试,并且该测试的认可度很高。这个计算不仅明确给出了该表面每个原子的位置,并且可以用于模拟该表面的STM成像,有助于解释实验所得图像。
下面将介绍如何用DFT计算考察固体表面。
2周期性边界条件和板块模型
当研究的对象是一个表面时,理想的模型应该是两个方向上无限大,在沿表面法线上有限大的一条长材料。为了在建模上实现这一点,可以在两个方向上应用周期性边界条件优势,在法线方向上不可以。虽然已经有相关计算软件能够实现这一点,但在研究表面的时候,更加普遍使用的计算程序
是在三个坐标方向上都应用了周期性边界条件。基本概念如下图所示,在超晶胞的竖直方向上。只有一部分区域含有原子。在超晶胞下部,这些原子在x和y方向上充满了整个超晶胞,但是在这些原子的上方,也就是超晶胞的顶部区域是没有原子的,因此这种模型称之为板块()模型。
当该超晶胞在所有三个方向上都重复时,就定义了一系列堆垛在一起的,并由空白区域所分隔开的固体材料板块。如下图所示。在z方向上分隔开周期性板块图像的空白区域称之为真空区()。当使用这种模型块时一定需要足够大的真空区,以便材料的电荷密度在真空区逐渐消失为零,从而使板块的顶面与相邻板块的底面之间不存在作用。
下图所示就是在真空区内所观察使用这种方法所定义的原子视图,可以看到:超晶胞实质上定义了两个表面,一个是上表面,一个是下表面。
假设对金属(例如)的表面进行计算,应当如何建立上述的板块模型?使用超晶胞的晶格矢量分别和笛卡尔坐标系的轴一致,其中轴和超晶胞表面法线方向一致。对于fcc金属,其晶格常数与常规晶胞中立方体边长相等。超晶胞的矢量应该是:
式中:为晶格常数。
图4.1中原子的分数坐标是:
如上所述,定义了含有5层独立原子的板块,且在z方向上,两层原子间距为,真空区的宽度为。对于该超晶胞,板块的每层原子均含有两个独立原子。在定义时,数值5有一点随意。但可以精确的是,该矢量必须做够大,从而保证该超晶胞具有足够的真空区;但真空区越大,则所需的计算量越大。在实际计算过程中,需要对若干个具有不同真空区宽度的模型,检验真空区的电荷密度,从而判断需要多少真空区才是对这个板块而言足够大的。理想情况是真空区边缘的电荷密度接近于0。如果读者想要做该测试,需要注意的是:在改变长度的同时,原子分数坐标的值也需要相应的调整,以保证材料中相邻两层原子之间是正确的物理间距。
(分数坐标与笛卡尔坐标
分数坐标是把点阵矢量看成是单位矢量下确定原子位置; 笛卡尔坐标是绝对坐标,是直角坐标系与斜角坐标系的统称,考虑点阵常数的大小。
Basically, the fractional coordinates show the fraction of each unit cell vector that contributes to the position of that atom。根本上来说,分数坐标给出了每个原子在元胞的相对位置
晶格参数:
A (Ax Ay Az) 2.46 0.00 0.00
B (Bx By Bz) -1.23 2.13 0.00
C (Cx Cy Cz) 0.00 0.00 10.00
一个点的分数坐标 (a, b, c) (0.667 0.333 0)
x = Axa+Bxb+Cxc = 2.46*0.667-1.23*0.333+0*0=1.23
y = Aya+Byb+Cyc = 0*0.667+2.13*0.333+0*0=0.71
z = Aza+Bzb+Czc = 0*0.667+0*0.333+10*0=0
这个点的笛卡尔坐标 (x, y, z) (1.23 0.71 0)
所以,笛卡尔坐标并不是原子在我们作为参考的直角坐标系中的绝对位置,而是在元胞基矢构成坐标系中,原子的绝对位置,而分数坐标,就是原子在元胞基矢构成坐标系中原子的相对位置。对于一个斜角坐标系,显然原子的相对位置比较好判断,所以,我们一般在POSCAR中用到的是其分数坐标,如果需要用到笛卡尔坐标,就用上面的公式转换。)
上述讨论中的板块模型包括有金属的5层原子。当然,一个真实表面时一块材料的最边缘部分,且除非在很特殊的情况下,一班材料都至少几微米厚,与上述5层表面模型完全不同。这就引出了一个问题:多少层原子才是具有现实意义的?通常而言,原子层数越多越好,但所用的原子层数越多,那么计算时间一定会延长。关于怎么判断原子层数已经达到足够收敛了,这一点取决于所研究材料的物质本性和所需计算的参数。如同真空区宽度一样,这个问题也可以通过如下方法找到答案:计算并观察某些特性(如表面能和吸附能)随着原子层数逇增加时如何变化的。在选定模型总的原子层数时,通常是在计算成本和物理精度之间进行折中。
3选定表面计算的点
对于板块计算,可以采用方法选定点。为了进一步直观的了解这一点,可以计算一下与上述超晶胞相关的倒易晶格矢量。可得,。因为超晶胞在实空间中晶格矢量越长,对应着在倒易空间越短。这表明在倒易空间中求解积分的近似解时,在方向上并不需要那么多的k点。对于该超晶胞,使用一个的点网格。其中,对于该几何构型而言,是较为合适的。
超晶胞z方向上较大的尺寸包含了真空区,这一事实引入了另一个有关点的选择经验。如果真空区足够大,则在距离板块边缘很短的位置上,电荷密度就消失为0。这意味着:在方向上只使用一个点就能得到精确的结果。因此,对于板块计算常常使用的点网格。其中,所选定的和能够在表面模型的晶面内,对其空间进行足够精确的取样。
4采用指数对表面分类
对于图4.3所示表面,可以想象成将体相晶体劈裂()后所形成的。真实的晶体劈裂,可以沿着不同晶面对晶体进行劈裂,形成不同晶体排列的表面。这意味着需要采用一种标注方法,用于定义所讨论的表面。
图4.4给出了表面的晶面与体相晶体结构的对应关系。该晶面的朝向可以用与与该晶面相垂直的法相矢量来描述。从下图可以看出,这个矢量的一个有效选择就是,也可以选择等相平行的矢量。
为了确定应该使用这些矢量中的哪一个,通常需要先确定该晶面与材料原胞或者常规单胞三轴的截交点。将这些截交点的倒数同乘以某个因子,从而将每个倒数都化成整数,并使每个倒数都尽可能小,最终所得的数值就称为该表面的指数。如上图所示,该晶面与常规单晶胞的轴相交于1(以晶格常数为单位),但是和轴并不相交,则这些截交点的倒数是(0,0,1),该表面可以表示成。
如果定义该表面垂直方向的矢量需要加个负号,则其指数的相应分量上也要加个横杠。但对于这种晶体结构来说,由于对称性,不严格区分。
图4.5显示材料的另一种表面, 该表面为。这也是一个非常重要的表面,对于材料的所有指数表面而言,该表面的原子层具有较高的原子密度。也正是如此,这个表面在平衡态的真实晶体中具有重要的意义。上述讨论表明:在的真实多晶体中,表面应该占据了该晶体整个表面的绝大部分。
图4.6显示了表面,与z轴不相交。
图4.7显示了表面的俯视图。这些试图给出了每个表面的不同对称性。这三种表面全是原子尺度的平直表面,即:任意种表面上的每个原子都具有相同的配位关系,且在表面法向上的坐标也相同。这些表面综合在一起称之为材料的低指数表面。其他晶体结构也具有自身的低指数表面,但与结构不同的是:其他结构的低指数表面往往具有不同的指数。例如,对于材料,其原子密度最高的表面是表面。
上文仅仅给出了低指数表面的一些示例这些表面的稳定性高,对于实际研究很重要。这些表面的计算也很方便,因为定义低指数表面的超晶胞只需要适当的原子数。图4.8是表面的俯视图和侧视图。该表面许多局部区域看起来很像表面,并且这些区域均由一个原子高度的台阶所分隔开来。相比于表面上的其他原子,这些位于台阶边缘处的原子具有较低的配位数,这往往导致具有更高的反应活性。在催化合成氨时,台阶边缘的反应活性原子就扮演着至关重要的作用。尽管要比低指数表面更为复杂,但是该表面的晶面任然具有周期性,因此任然可以使用超晶胞来描述该表面。
板块模型构建、k点选定及Miller指数对表面分类相关推荐
- 机器学习笔记之深度信念网络(二)模型构建思想(RBM叠加结构)
机器学习笔记之深度信念网络--模型构建思想 引言 回顾:深度信念网络的结构表示 解析RBM隐变量的先验概率 通过模型学习隐变量的先验概率 小插曲:杰森不等式(2023/1/11) 杰森不等式的数学证明 ...
- R统计绘图-多元线性回归(最优子集法特征筛选及模型构建,leaps)
此文为<精通机器学习:基于R>的学习笔记,书中第二章详细介绍了线性回归分析过程和结果解读. 回归分析的一般步骤: 1. 确定回归方程中的自变量与因变量. 2. 确定回归模型,建立回归方程. ...
- 机器学习的中流砥柱:用于模型构建的基础架构工具有哪些?
本文转载自公众号"读芯术"(ID:AI_Discovery) 人工智能(AI)和机器学习(ML)已然"渗透"到了各行各业,企业们期待通过机器学习基础架构平台,以 ...
- 保存模型后无法训练_模型构建到部署实践
导读 在工业界一般会采用了tensorflow-serving进行模型的部署,而在模型构建时会因人而异会使用不同的深度学习框架,这就需要在使用指定深度学习框架训练出模型后,统一将模型转为pb格式,便于 ...
- 【TensorFlow-windows】学习笔记四——模型构建、保存与使用
前言 上一章研究了一些基本的构建神经网络所需的结构:层.激活函数.损失函数.优化器之类的,这一篇就解决上一章遗留的问题:使用CNN构建手写数字识别网络.保存模型参数.单张图片的识别 国际惯例,参考博客 ...
- navicat模型显示注释_RetinaNet模型构建面罩检测器
字幕组双语原文:如何使用RetinaNet模型构建面罩检测器 英语原文:How to build a Face Mask Detector using RetinaNet Model! 翻译:雷锋字幕 ...
- 【金融】【pytorch】使用深度学习预测期货收盘价涨跌——LSTM模型构建与训练
[金融][pytorch]使用深度学习预测期货收盘价涨跌--LSTM模型构建与训练 LSTM 创建模型 模型训练 查看指标 LSTM 创建模型 指标函数参考<如何用keras/tf/pytorc ...
- 贝叶斯模型构建分类器的设计与实现
多种贝叶斯模型构建及文本分类的实现 作者:白宁超 2015年9月29日11:10:02 摘要:当前数据挖掘技术使用最为广泛的莫过于文本挖掘领域,包括领域本体构建.短文本实体抽取以及代码的语义级构件方法 ...
- IDDPM官方gituhb项目--模型构建
在完成IDDPM论文学习后,对github上的官方仓库进行学习,通过具体的代码理解算法实现过程中的一些细节:官方仓库代码基于pytorch实现,链接为https://github.com/openai ...
最新文章
- DVWA1.9平台XSS小结
- 二叉平衡树算法c语言,算法9-9~9-12:平衡二叉树的基本操作 (C语言代码)
- 首发:适合初学者入门人工智能的路线及资料下载
- MySql cmd下的学习笔记 —— 有关建立数据库的操作(连接Mysql,建立数据库,删除数据库等等)...
- 人工智能实践之旅 —— 简单说说主要内容和安排
- char[]:strlen和sizeof的区别
- Qt工作笔记-QSS中关于QCombox的设置
- jdbctemplate分页mysql_jdbcTemplate实现分页功能
- ajax访问遇到Session失效问题
- torch.nn.DataParallel()--多个GPU加速训练
- iOS 关于真机和模拟器framework合并
- python 浮点数比较_Python中的浮点数
- Gini 系数与熵的关系
- python定义函数的组成部分有_Python学习笔记之函数的定义和作用域实例详解
- Linux系统(七)组管理和用户管理
- 迅雷7.22 和迅雷5.9 去广告优化增强绿色版
- maven怎么强制updating_maven异常:Updating Maven Project 的统一解决方案
- 机器学习---计算学习理论
- 网络文件传输工具,秒杀各种网络文件传送工具的镭速云
- web如何伪装自己的IP地址
热门文章
- 亚马逊API接口(item_search-按关键字搜索商品)
- 万彩动画大师难吗_制作动画不必那么难
- 视频AI智能分析流媒体服务器EasyAIFilter代码自定义视频AI智能分析过程的使用方法
- java acquire()_Java并发核心-semaphore
- 20230315在WIN7下卸载墨鱼丸视频
- java播放二进制 Flv视频
- ADDIS打开方式java,使用重定向时seam会话突然结束
- 监控电池电量和充电状态
- 为什么你需要3块不同的腕表?
- TED Talk | On Reading Minds