Luotettavaa laskennallista sähkökemiaa tiheysfunktionaaliteoriaa sekä eritasoisia

Caro Bayo, Miguel (Vastuullinen tutkija)

Sähkötekniikan ja automaation laitos

Tiivistelmä

Tässä projektissa kehitetään laskennallisesti edullisia ja kvantitatiivisesti tarkkoja menetelmiä vapaan energian laskentaan, sekä strategioita elektrodin potentiaalin muutosten huomioimiseen atomitason simulaatioissa. Metodeissa hyödynnetään tiheysfunktionaaliteoriaan perustuvaa kvanttimekaanista formalismia, empiirisiä klassisia potentiaaleja, sekä tehokkaita tapoja yhdistellä eritasoisia malleja mahdollisimman tarkan kuvauksen saavuttamiseksi. Projektin tuloksia voidaan suoraan hyödyntää tärkeiden biomolekyylien, kuten dopamiinin, glutamaatin tai eri opiodien, sähkökemialliseen havaitsemiseen käytettyjen puolijohde-elektrodien tutkimuksessa ja mallinnuksessa.

Tila	Päättynyt
Todellinen alku/loppupvm	01/09/2017 → 31/08/2020

Yhteistyöpartnerit

Aalto-yliopisto (johto)
Suomen Akatemia (Projektin osapuoli)

13 Article

Accurate Computational Prediction of Core-Electron Binding Energies in Carbon-Based Materials: A Machine-Learning Model Combining Density-Functional Theory and GW
Golze, D., Hirvensalo, M., Hernández-León, P., Aarva, A., Etula, J., Susi, T., Rinke, P., Laurila, T. & Caro, M. A., 13 heinäk. 2022, julkaisussa: Chemistry of Materials. 34, 14, s. 6240−6254
Tutkimustuotos: Lehtiartikkeli › Article › Scientific › vertaisarvioitu

Open access
Tiedosto
14 Sitaatiot (Scopus)

69 Lataukset (Pure)
Addressing Dynamics at Catalytic Heterogeneous Interfaces with DFT-MD: Anomalous Temperature Distributions from Commonly Used Thermostats
Korpelin, V., Kiljunen, T., Melander, M. M., Caro, M. A., Kristoffersen, H. H., Mammen, N., Apaja, V. & Honkala, K., 24 maalisk. 2022, julkaisussa: Journal of Physical Chemistry Letters. 13, 11, s. 2644-2652 9 Sivumäärä
Tutkimustuotos: Lehtiartikkeli › Article › Scientific › vertaisarvioitu

Open access
Tiedosto
11 Sitaatiot (Scopus)

32 Lataukset (Pure)
Machine learning force fields based on local parametrization of dispersion interactions: Application to the phase diagram of C60
Muhli, H., Chen, X., Bartók, A. P., Hernández-León, P., Csányi, G., Ala-Nissila, T. & Caro, M. A., 6 elok. 2021, julkaisussa: Physical Review B. 104, 5, 16 Sivumäärä, 054106.
Tutkimustuotos: Lehtiartikkeli › Article › Scientific › vertaisarvioitu

Open access
Tiedosto
24 Sitaatiot (Scopus)

117 Lataukset (Pure)

Atomic structures derived from high-temperature and -pressure transformations from C60 fullerenes
Caro Bayo, M. (Creator), Zenodo, 2022
DOI - pysyväislinkki: 10.5281/zenodo.7006223, https://zenodo.org/record/7006223
Tietoaineisto: Dataset
Amorphous carbon films generated through simulated deposition with GAP from 1eV to 100eV
Caro Bayo, M. (Creator), Zenodo, 15 kesäk. 2020
DOI - pysyväislinkki: 10.5281/zenodo.3778153
Tietoaineisto: Dataset
Data from Understanding X-ray spectroscopy of carbonaceous materials by combining experiments, density functional theory and machine learning. Parts I and II.
Aarva, A. (Creator), Zenodo, 2021
DOI - pysyväislinkki: 10.5281/zenodo.4476343, https://doi.org/10.5281/zenodo.4476344
Tietoaineisto: Dataset

Luotettavaa laskennallista sähkökemiaa tiheysfunktionaaliteoriaa sekä eritasoisia

Projektin yksityiskohdat

Tiivistelmä

Yhteistyöpartnerit

Sormenjälki

Accurate Computational Prediction of Core-Electron Binding Energies in Carbon-Based Materials: A Machine-Learning Model Combining Density-Functional Theory and GW

Addressing Dynamics at Catalytic Heterogeneous Interfaces with DFT-MD: Anomalous Temperature Distributions from Commonly Used Thermostats

Machine learning force fields based on local parametrization of dispersion interactions: Application to the phase diagram of C60

Atomic structures derived from high-temperature and -pressure transformations from C60 fullerenes

Amorphous carbon films generated through simulated deposition with GAP from 1eV to 100eV

Data from Understanding X-ray spectroscopy of carbonaceous materials by combining experiments, density functional theory and machine learning. Parts I and II.

Luotettavaa laskennallista sähkökemiaa tiheysfunktionaaliteoriaa sekä eritasoisia

Projektin yksityiskohdat

Tiivistelmä

Yhteistyöpartnerit

Sormenjälki

Tutkimustuotos

Accurate Computational Prediction of Core-Electron Binding Energies in Carbon-Based Materials: A Machine-Learning Model Combining Density-Functional Theory and GW

Addressing Dynamics at Catalytic Heterogeneous Interfaces with DFT-MD: Anomalous Temperature Distributions from Commonly Used Thermostats

Machine learning force fields based on local parametrization of dispersion interactions: Application to the phase diagram of C60

Tietoaineistot

Atomic structures derived from high-temperature and -pressure transformations from C60 fullerenes

Amorphous carbon films generated through simulated deposition with GAP from 1eV to 100eV

Data from Understanding X-ray spectroscopy of carbonaceous materials by combining experiments, density functional theory and machine learning. Parts I and II.