2025年3月10日，Phys. Rev. B在线发表了新加坡国立大学Lei Shen课题组的研究论文，题目为《Machine learning assisted identification of homobilayer sliding ferroelectrics with large out-of-plane polarization and low sliding energy barriers》，论文的第一作者为Xian Wang和Yifan Li。
近年来，二维（2D）铁电材料因其在超高速和高密度信息存储、摩擦电纳米发电机、场效应晶体管以及机电器件等多种潜在应用中的优势而备受瞩目。这些应用得益于可逆的自发电极化，尤其是在表现出面外极化（OOP）的材料中，这种极化与依赖垂直于平面的铁电极化技术的需求高度契合。然而，由于表面去极化场和高转换势垒的存在，在传统铁电体中实现这一优异性能仍颇具挑战。
过去十年间，二维领域中的大多数亚纳米级铁电材料都是通过将层状材料物理剥离成单层或少层形式而获得的。然而，对面外极化的实验验证十分有限，仅在CuInP2S6、α-In2Se3和1T MoTe2中实现了成功验证。理论上，通过对252种铁电二维材料进行的高通量计算搜索，仅发现了8种具有面外极化的材料，这表明在二维材料中，具有本征面外极化的材料十分罕见。
在此研究中，作者通过高通量计算识别出一系列共25种可合成的滑移铁电材料，这些材料具有大的面外极化和低的滑移能垒。高通量筛选过程始于2DMATPEDIA中的6351种单层材料，经筛选缩小至79种具有蜂窝状结构的单层半导体材料，进而构建了474种同质双层滑移铁电材料，并最终鉴定出25种高性能的二维滑移铁电材料。这些高性能滑移铁电材料包括先前报道的材料，如AlN、GaN、InN、ZnO、h-BN和MoS2，以及两种具有显著OOP的材料，即CdO和AsI3。
全面的大数据驱动物理分析揭示，OOP与五个关键因素密切相关：有效范德华半径、相对电负性、层间距、电荷转移和晶胞面积。此外，有效范德华半径也是决定滑移能垒的关键因素之一，另一个关键因素是最大层间电子局域函数。最后，采用机器学习技术对这些物理特征进行加权，并预测滑移铁电性质。这项研究发现为深入理解潜在机制提供了更深刻的见解，并为高性能滑移铁电材料及相关实验器件的合理设计提供了宝贵的理论指导。
图1 用于识别具有大面外铁电极化(OOP)和小滑移能垒(Eb)的滑移铁电候选者的总体筛选工作流程
图2 OOP值超过0.1 pC/m和相应同质双层(AB/BA滑移)的滑移能垒
图3 单层和相应双层之间的 (a) OOP与有效范德华半径层间距离(dvdWeff)、(b) 层间最大电子局域函数(ELFmax)、(c) 最大平均差分电荷密度(CDDmax) 和 (d) 最大绝对离子电荷差(ICDmax)；(e-f) 原子间偶极矩(Dzinter)和原子内偶极矩(Dzintra)与OOP之间的关系
图4 能垒与有效范德华半径层间距离(dvdWeff)和层间最大电子局域函数的关系图5 (a) 机器学习方法结合DFT结果识别影响铁电极化和滑移能垒的关键因素的总体工作流程；(b, d) OOP和能垒的特征重要性；(c, e) 机器学习预测所有研究材料的OOP和能垒的特征相关热图图6 (a) 具有等变局部模型的机器学习回归方法的总体工作流程；(b) 计算的OOP和基于BIDB预测的OOP值之间的关系
Wang, X., Li, Y., Zhang, Y. et al. Machine learning assisted identification of homobilayer sliding ferroelectrics with large out-of-plane polarization and low sliding energy barriers. Phys. Rev. B, 2025, 111, 094106. https://doi.org/10.1103/PhysRevB.111.094106
【其他相关文献】
【注】：小编水平有限，若有误，请联系修改；若侵权，请联系删除！
