机器学习增强了二维材料的表面生长:合成、表征和机制
计算材料学
2026-04-02 18:38
文章摘要
背景:随着硅基晶体管尺寸逼近物理极限,原子级厚度的二维材料被视为延续摩尔定律的关键候选材料,但其晶圆级单晶薄膜的可控制备面临挑战。传统试错法和经典计算方法在精度与效率之间存在矛盾。研究目的:探讨机器学习技术在二维材料表面生长领域的应用,以解决合成条件优化、自动化表征和生长机制解析等问题。结论:机器学习通过贝叶斯优化、神经网络等算法优化化学气相沉积和分子束外延生长参数,利用卷积神经网络实现自动化表征,并借助机器学习势函数揭示原子级生长动力学。未来发展方向包括自驱动实验室、多模态数据融合和非金属表面外延,以推动二维材料从实验室研究向工业化批量化制备的跨越。
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。