2025-Physical Review B-机器学习助力发现低滑移能垒的二维铁电材料

计算材料学 2025-07-06 11:03
文章摘要
本文介绍了新加坡国立大学研究团队在《Physical Review B》上发表的一项研究,利用机器学习技术筛选出25种具有大面外极化和低滑移能垒的二维滑移铁电材料。研究背景指出,传统硅基存储技术面临高能耗和低存储密度等问题,而二维铁电材料具有巨大潜力。研究目的是通过机器学习和高通量计算结合,发现高性能滑移铁电材料。研究团队从2DMATPEDIA数据库中筛选出79种单层半导体材料,构建474种同质双层结构,最终筛选出25种理想材料。结论表明,这些材料具有超过0.45 pC/m的面外极化和低于30 meV/f.u.的滑移能垒,为下一代存储技术提供了重要理论支持。
2025-Physical Review B-机器学习助力发现低滑移能垒的二维铁电材料
本站注明稿件来源为其他媒体的文/图等稿件均为转载稿,本站转载出于非商业性的教育和科研之目的,并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题,请作者速来电或来函联系。
计算材料学
最新文章
热门类别
相关文章
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:604180095
Book学术官方微信