ترجمه فارسی مقاله اشکال خطوط نوری مراکز رنگ در جامدات از توابع خودهمبستگی کلاسیک

چکیده

Color centers play key roles in applications, including, e.g., solid state lighting and quantum information technology, for which the coupling between their optical and vibrational properties is crucial. Established methodologies for predicting the optical lineshapes of such emitters rely on the generating function (GF) approach and impose tight constraints on the shape of and relationship between the ground and excited state landscapes, which limits their application range. Here, we describe an approach based on direct sampling of the underlying auto-correlation functions through molecular dynamics simulations (MD-ACF) that overcomes these restrictions. The energy landscapes are represented by a machine-learned potential, which provides an accurate yet efficient description of both the ground and excited state landscapes through a single model, guaranteeing size-consistent predictions. We apply this methodology to the (VSiVC)kk(0) divacancy defect in 4H-SiC, a prototypical color center, which has been studied both experimentally and theoretically. We demonstrate that at low temperatures the present MD-ACF approach yields predictions in agreement with earlier GF calculations. Unlike the latter it is, however, also applicable at high temperatures as it is not subject to the same limitations, especially with respect to handling of anharmonicity, and can be applied to study non-crystalline materials. While we discuss remaining challenges and possible extensions, the methodology presented here already holds the potential to substantially widen the range of computational predictions of the optical properties of color centers and related defects, especially for cases with pronounced anharmonicity and/or large differences between the initial and final states.

چکیده به فارسی (ترجمه ماشینی)

مراکز رنگی نقش های کلیدی را در برنامه ها ، از جمله ، به عنوان مثال ، روشنایی حالت جامد و فناوری اطلاعات کوانتومی بازی می کنند ، که اتصال بین خصوصیات نوری و ارتعاش آنها بسیار مهم است.روشهای ایجاد شده برای پیش بینی خطوط نوری چنین انتشار دهنده ها به رویکرد عملکرد تولید (GF) متکی هستند و محدودیت های محکم را بر شکل و رابطه بین زمین و مناظر حالت هیجان زده تحمیل می کنند ، که محدوده کاربرد آنها را محدود می کند.در اینجا ، ما یک رویکرد مبتنی بر نمونه گیری مستقیم از توابع همبستگی خودکار را از طریق شبیه سازی دینامیک مولکولی (MD-ACF) توصیف می کنیم که بر این محدودیت ها غلبه می کند.مناظر انرژی توسط یک پتانسیل یادگیری ماشین نشان داده شده است ، که توضیحات دقیق و در عین حال کارآمد از هر دو مناظر زمین و حالت هیجان زده را از طریق یک مدل واحد ارائه می دهد و پیش بینی های سازگار با اندازه را تضمین می کند.ما این روش را در نقص Divacancy (VSIVC) KK (0) در 4H-SIC ، یک مرکز رنگ نمونه اولیه ، که هم از نظر تجربی و هم از نظر تئوری مورد مطالعه قرار گرفته است ، اعمال می کنیم.ما نشان می دهیم که در دماهای پایین رویکرد MD-ACF فعلی پیش بینی هایی را در توافق با محاسبات GF قبلی به دست می آورد.بر خلاف دومی ، با این وجود ، در دماهای بالا نیز قابل استفاده است زیرا در معرض همان محدودیت ها نیست ، به خصوص در مورد استفاده از لنگرمونیک بودن ، و می تواند برای مطالعه مواد غیر کریستالی استفاده شود.در حالی که ما در مورد چالش های باقیمانده و پسوندهای احتمالی بحث می کنیم ، روش ارائه شده در اینجا این پتانسیل را دارد که به طور قابل توجهی دامنه پیش بینی های محاسباتی از خصوصیات نوری مراکز رنگی و نقایص مرتبط را به ویژه در مواردی که دارای زرنگ بودن و/یا تفاوت های زیادی بین اولیه است ، گسترش دهد.و حالت های نهایی