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
二维磁性材料为自旋场效应晶体管、磁隧道结等紧凑型自旋电子器件提供了平台，其磁序可通过载流子密度电学调控。空穴注入能把费米能级推向平坦的价带边，升高的态密度有利于交换劈裂驱动的自旋极化，已在多个体系中得到预测。然而候选材料数量庞大，逐一开展第一性原理空穴掺杂计算成本高昂，亟需物理依据明确的描述符先行富集候选、再做精细验证。
成果简介
近日，西南交通大学陈元正副教授、山东大学张力舒教授、新加坡国立大学Lei Shen高级讲师等合作，构建了机器学习辅助的描述符驱动筛选框架。团队以空穴有效质量（HEM）为描述符：平坦价带同时对应大HEM与高态密度，是空穴诱导自旋极化的有利电子环境。训练的晶体图卷积神经网络（CGCNN）以4,040条C2DB数据学习由结构预测高HEM，测试准确率达84.8%。模型用于2DMatPedia筛选并经多重过滤后得到477个高优先级候选；抽取100个做第一性原理空穴掺杂计算，40个呈现自旋极化解。以ZrMo2O8为例，空穴注入使以O-p态为主、与Mo-d态杂化的价带发生自洽重排与交换劈裂，材料由非磁性半导体演变为自旋极化金属乃至半金属态；其磁隧道结模型在0.8 V下隧穿磁电阻比约98.8%。
图注说明
图1 物理信息描述符的确定与学习。(A)(B) C2DB中空穴与电子有效质量的分布；(C) 磁性子集的HEM中位数（约0.646）高于非磁性子集（约0.397）；(D) 描述符验证流程：1,219个非磁性半导体经HEM>2.5 m0等筛选与稳定性过滤得到16个宿主候选，6个在空穴掺杂下出现非零磁矩；(E) CGCNN示意图；(F)–(H) 测试性能，准确率84.8%、AUC 0.85。
图2 描述符驱动的外部筛选与代表性电子响应。(A) 2DMatPedia筛选流程：2,045个材料被预测为高HEM，最终得到477个高优先级候选，抽样100个验证、40个呈自旋极化；(B)(C) d–p交换路径示意；(D)(E) 空穴注入价带边范霍夫奇点附近可提高费米能级处态密度、促进自旋极化；(F)(G) ZrMo2O8掺杂前后的投影态密度，价带边以O-p为主、Mo-d为辅，掺杂后出现明显自旋不对称。
图3 ZrMo2O8的空穴密度依赖磁性与自旋输运。(A) 蜂窝–棋盘格结构与自旋密度分布，自旋密度主要位于O原子上；(B) 每载流子磁矩随掺杂浓度升高趋于1.0 μB/载流子的平台；(C) 能带随掺杂由非磁性半导体向自旋极化金属、半金属演变；(D) 以h-BN为势垒的磁隧道结平行与反平行构型；(E)–(G) 0.8 V下隧穿磁电阻比约98.8%，平行态总电流约7.06 nA，反平行态仅约0.044 nA。
图4 基于ZrMo2O8的全加器逻辑与加密演示。(A)(B) 电阻型与磁隧道结型全加器模型，以高、低电导态为二进制逻辑态；(C) 全加器阵列对字符“2FC”执行双层异或加密与解密；(D)(E) 图像经二值化或区域平均预处理后，亦可由异或运算加密与恢复。
总结展望
该工作建立了“物理描述符—机器学习筛选—第一性原理验证”的分层策略，为空穴掺杂响应型二维磁性材料的高效发现提供了可扩展路线。相关输运与电路结果仍属基于计算电导态的概念演示，实验合成、静电调控与器件稳定性尚待验证；随着候选体系的实验跟进，载流子调控的自旋电子逻辑有望获得更多材料支撑。
文献链接
https://doi.org/10.1016/j.mtphys.2026.102282
#二维材料 #自旋电子学 #机器学习
