From First-Principles to Machine Learning: Advancing Bandgap Predictions in Strain-Engineered III-V Semiconductors

From First-Principles to Machine Learning: Advancing Bandgap Predictions in Strain-Engineered III-V Semiconductors

Semiconductor compounds composed of elements from groups 13 and 15 (main groups III and V) of the periodic table, commonly referred to as III-V semiconductors, are integral to modern (opto-)electronics. They play a critical role in applications such as solar cells, light-emitting diodes, optical tel...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
1. Verfasser: Mondal, Badal
Beteiligte: Tonner-Zech, Ralf (Prof. Dr.) (BetreuerIn (Doktorarbeit))
Format: Dissertation
Sprache:Englisch
Veröffentlicht: Philipps-Universität Marburg 2023
Schlagworte:
Bandlücken-Phasendiagramm
Materialwissenschaften
Bandlücken Manipulation
Dichtefunktionaltheorie
III-V Halbleiter
bandgap phase diagram
Gespannte Materialien
machine learning
Halbleiter
strain engineering
Maschinelles Lernen
III-V semiconductor
bandgap engineering
density functional theory
Physik
Bandlücke
Physics
Online-Zugang:PDF-Volltext
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
No citations were found for this record.

Ähnliche Einträge