Resumen

Se investigan las propiedades electrónicas de nanoflakes de grafeno (GNF) con dominios de nitruro de boro hexagonal (hBN) embebidos mediante cálculos combinados de teoría del funcional de la densidad ab initio y técnicas de aprendizaje automático. Las brechas energéticas de los sistemas basados en grafeno cuasi-0D, definidas como las diferencias entre las energías LUMO y HOMO, dependen no sólo de los tamaños de los dominios de hBN en relación con el tamaño del nanoesquema de grafeno prístino, sino también de la posición del dominio de hBN. El rango de las brechas energéticas para diferentes configuraciones aumenta a medida que los dominios de hBN se hacen más grandes. Desarrollamos dos modelos de redes neuronales artificiales (RNA) capaces de reproducir las energías de brecha con gran precisión e investigamos la sintonizabilidad de la brecha energética, considerando un conjunto de GNF con dominios hBN rectangulares incrustados. En un modelo de RNA, la entrada se corresponde uno a uno con los átomos del GNF, mientras que en el segundo modelo las entradas tienen en cuenta las estructuras básicas del GNF, lo que permite su uso potencial en sistemas ampliados. Realizamos un análisis estadístico de diferentes configuraciones de RNA para optimizar la estructura de la red. Las RNA entrenadas proporcionan una correlación entre la configuración del sistema atómico y la magnitud de las brechas energéticas, lo que puede considerarse una herramienta eficaz para optimizar el diseño de materiales nanoestructurados basados en grafeno para propiedades electrónicas específicas.

• Materias:Biotecnología Análisis electroquímico Bioingeniería Nanocompuestos Nanotubos
• Subjects:Biotechnology Electrochemical analysis Bioengineering Nanocomposites Nanotubes
• Palabras claves:huecos energéticos, dominios hbn, densidad ab initio, red neuronal artificial, configuración del sistema atómico, aumentos de diferentes configuraciones, cálculos de teoría funcional, nitruro de boro hexagonal, nanoescamas de grafeno prístino, dominios hbn rectangulares
• Keywords:energy gaps, hbn domains, ab initio density, artificial neural network, atomic system configuration, different configurations increases, functional theory calculations, hexagonal boron nitride, pristine graphene nanoflake, rectangular hbn domains