【儀表網 研發快訊】二維(2D)半導體因其原子級厚度和卓越的柵控性，在下一代納米場效應晶體管(FET)中展現出巨大的潛力。然而，這些材料的電學性能往往受限于柵極介電材料的選擇。理想的范德華介電體要求具備高的介電常數、大的帶隙、與二維半導體匹配的能帶邊、以及較弱的界面散射。范德華(vdW)介電體表面無懸掛鍵，有助于降低界面散射，為與二維半導體的集成提供了一種可能的方案。但目前已知的范德華介電體種類仍然十分有限，且難以同時滿足所有理想條件。因此，探索具有更豐富晶體和電子結構的范德華介電體變得至關重要。
最近，中國科學院物理研究所/北京凝聚態物理國家研究中心納米物理與器件實驗室N11組博士生李玉輝、萬國麟在杜世萱研究員、潘金波副研究員的指導下，利用自主開發的拓撲縮放算法與一系列篩選標準從三維體相材料數據庫中篩出潛在的范德華材料。篩選條件包括實驗上已合成、帶隙大于1.0eV、原子數目少于50、不含過渡金屬和惰性元素，以及零維化合物的總原子共價體積與晶胞體積之比大于0.14的范德華材料。通過高通量第一性原理計算，共得到189 種零維、81種一維和252種二維范德華材料的帶隙和介電常數(ε)。其中，9種范德華介電體因與MoS2間具有大于1eV的能帶偏離，被認為適用于二維MoS?場效應晶體管。進一步的統計分析表明，具有一維和二維結構且含有強電負性陰離子與重陽離子的材料往往同時具有較大的帶隙和介電值。
基于統計分析的結果，團隊進一步挑選了7個特征描述符，并構建了一個機器學習模型，用于定量篩選潛在的介電體。該機器學習模型依次由兩個用于篩選帶隙和介電常數的分類器組成，二者的準確率均超過 80%。利用主動學習框架，團隊從Materials project數據庫中成功識別出了其它49種有潛力且實驗上暫未報道的范德華介電體。這項工作不僅提供了一系列范德華介電體的候選清單，還建立了一個用于高效篩選介電體的機器學習模型，對推動二維場效應晶體管的發展和應用具有重要意義。
相關研究成果以“High-throughput screening and machine learning classification of van der Waals dielectrics for 2D nanoelectronics”為題，發表于Nature Communications 15, 9527 (2024)。該研究受到了國家自然科學基金委、科技部重點研發計劃、中國科學院的資助。
圖 低維范德華材料的集成、522個材料的統計分析及兩步機器學習模型
所有評論僅代表網友意見，與本站立場無關。