社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  机器学习算法

Advanced Functional Materials:机器学习模拟预测 Cu(111) 表面上扭转磷化铜的形成

低维 昂维 • 3 周前 • 84 次点击  

欢迎投稿欢迎课题组投递中文宣传稿,免费宣传成果,发布招聘广告,具体联系人:13162018291(微信同号)

研究背景

二维半导体具有原子级厚度与无悬挂键表面,是后硅器件的重要候选,但其外延生长是热力学与动力学共同支配的非平衡过程,衬底表面会重构或与前驱体反应,决定其晶相与形貌。

磷烯是高迁移率、带隙随层数可调的 p 型半导体,可控生长却受制于难以掌控的成核。围绕磷在 Cu(111) 上的相演化,报道彼此矛盾:先有晶格常数 3.4 Å 的翘曲蓝磷,后又报道约 4.2 Å 的超平坦相,并提出先形成磷化铜表面合金、再相变的两步路径;受手段尺度所限,争议悬而未决。

成果简介

东南大学王金兰教授、苏州国家实验室丁峰主任研究员、东南大学马亮教授团队将第一性原理计算、机器学习力场分子动力学模拟与扫描隧道显微镜实验相结合,解析磷在 Cu(111) 上的反应过程。

团队以孤立磷原子与完整单层磷的形成能之差 ΔE 为描述符,比较各衬底上两类成键的竞争:Cu(111) 的 ΔE 为 −0.11 eV,位于过渡区、略偏向 P–Cu 成键。CALYPSO 全局搜索表明,各覆盖度下磷化铜的形成能均低于磷烯衍生结构,以六铜配位的 Cu₂P 最稳定;单个磷也以置换表面铜为最优构型。

为此构建含 7353 个构型的训练集,训练出的力场对能量与力的均方根误差仅 6.5 meV/atom 与 112.3 meV/Å。450 K 沉积模拟中,磷克服 0.95 eV 势垒嵌入并置换表面铜,无序团簇约 23 ns 转为有序 Cu₂P,约 50 ns 后六配位磷占主导、连成连续薄膜;450–600 K 产物始终是 Cu₂P,700 K 时磷溶入衬底、无序化。

实验上,500 K 沉积磷的扫描隧道显微镜图像呈周期约 4.3 nm 的亮团簇与 4.1 Å 蜂窝晶格,与 Cu₂P 模型的模拟像吻合;P–P 间距 4.17 Å、结合能约 3.0 eV/单胞,P 2p 峰 129.3 eV 属金属磷化物特征。以往归为“超平坦蓝磷”的蜂窝结构,实为 Cu₂P 的铜衍生蜂窝晶格。

界面应变使该层自组织成重构网络:500 K 退火呈直线网络,700 K 转为螺旋图案,节点间距由 4.3 增至 4.5 nm、高度由约 75 降至约 25 pm。覆盖层扭转约 1.6° 时单胞形成能最低,节点间距 4.4 nm,应力由 132.26 降至 32 meV/Ų。覆盖度超 0.5 ML 后,新增磷只形成三维磷岛。

图注说明

图1 Cu–P 体系的热力学分析与结构搜索。(A) 以描述符 ΔE 划分各衬底上 P–P 成键与表面合金化的竞争区间。(B) 不同覆盖度下磷化铜的形成能。(C) 磷化铜与磷烯形成能对比,磷化铜更低。(D) 各组分最低能构型俯视图,Cu₂P 最稳定。

图2 Cu–P 机器学习力场的构建、验证与生长模拟。(A) 含 7353 个构型的训练集草图映射,颜色表示平均原子能。(B) 损失函数约 120000 代后收敛。(C)(D) 预测的能量与力同密度泛函理论高度一致。(E) 450 K 磷沉积快照,红圈为嵌入的磷,白框为 Cu₂P 单胞。

图3 Cu₂P 的成核动力学与配位演化。(A) 450 K 共沉积快照,团簇由近 Cu₃P 组分转为有序 Cu₂P 并连成薄膜。(B) 磷面内配位数随时间的演化。(C) 最终薄膜俯视结构,颜色区分配位环境。(D) 不同温度下最终配位数的分布,700 K 时六配位不占优。

图4 Cu₂P 薄膜的结构表征与实验验证。(A) 退火后有序蜂窝晶格俯视图。(B) 退火中径向分布函数的演化,P–P 峰渐锐化。(C) 实验图像呈周期 4.3 nm 的亮团簇与蜂窝晶格,高分辨像与模拟像吻合。(D)(E) 界面电荷再分布与电子局域函数,显示成键。

图5 直线与螺旋图案的实验与模拟对比。(A)(B) 500 K 与 700 K 退火后的实验与模拟图像,节点间距由 4.3 增至 4.5 nm。(C)(D) 扭转 0° 与 1.6° 的弛豫结构俯视图,后者呈螺旋位错网络。(E) 覆盖层相对衬底扭转示意。(F)(G) 形成能与节点间距随扭转角的变化,间距越大形成能越低。

总结展望

该工作表明,在反应性衬底上,主导磷生长的是界面合金化而非范德华外延:强 Cu–P 相互作用驱动磷置换进入 Cu(111) 表层,形成热力学与动力学双占优的扭转 Cu₂P 表面合金,借扭转与滑移释放应变。这澄清了该体系相演化的长期争议,也提示获得磷烯须以动力学调控困住亚稳态,或以缓冲层削弱 Cu–P 相互作用。前驱体与衬底的成键竞争决定单元素二维材料的界面相,机器学习力场大尺度模拟结合原子分辨表征,为界面相工程提供了可推广的框架。

文献链接

https://doi.org/10.1002/adfm.79093

#二维材料 #磷化铜 #机器学习

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/202303