范德瓦尔斯介电物的高通量选和机器学习分类,用于2D纳米电子的二维介电
Yuhui Li1,2, Guolin Wan1,2, Yongqian Zhu1,2
1Beijing National Laboratory for Condensed Matter Physics, Institute of Physics, Chinese Academy of Sciences, Beijing, 100190, China.
Nature communications
|November 4, 2024
概括
研究人员选了范德瓦尔斯 (vdW) 材料,以找到两个维 (2D) 场效应晶体管 (FET) 的理想介电材料. 他们使用计算方法和机器学习确定了有前途的候选人,加速了先进电子设备的发展.
科学领域:
- 材料科学 材料科学 材料科学
- 凝聚物质物理学 凝聚物质物理学
- 纳米技术纳米技术
背景情况:
- 范德瓦尔斯 (vdW) 介电材料对于基于二维 (2D) 半导体的纳米场效应晶体管 (FET) 的增强至关重要.
- 理想的VDW介电材料需要高介电常数和适当的带对齐与2D半导体,但高质量的选择是有限的.
研究的目的:
- 选范德瓦尔斯材料作为二维FET中的介电材料的潜在用途.
- 确定基于MoS2的FET的有希望的介电候选者,并开发用于加速选的机器学习模型.
主要方法:
- 采用拓尺度算法来选来自材料项目数据库的0D,1D和2DvdW材料.
- 进行了高通量第一原理计算,以确定带隙和介电性质.
- 开发了一种两步机器学习分类器,用于介电选的积极学习框架.
主要成果:
- 对189 0D,81 1D和252 2D vdW材料的计算性质.
- 确定了9个有前途的介电候选者,用于MoS2基的FET.
- 使用机器学习模型发现了另外49种有前途的VDW介电.
结论:
- 该研究提供了对2D FETs潜在的vdW介电物的全面列表.
- 开发了一个高精度的机器学习模型,用于高效地选VDW电介质.
- 这项工作有助于未来开发和优化2D FET.


