JACS報道西工大黃維院士團隊在人工智能助力低維材料製備方麵的進展

2021年11月03日 15:43  點擊:[]

西工大新聞網11月3日電(許曼章)低維碲化鎢(WTe2)被理論預測為第二類外爾半金屬(Weyl semimetal)和量子拓撲材料,是研究自旋電子學、量子自旋霍爾效應以及馬約拉納費米子等基本物理現象的候選材料之一。盡管化學氣相沉積(CVD)已被廣泛用於生長高質量低維WTe2材料,但該方法中涉及溫度、氣氛、氣流、反應物等多種實驗參數,相關作用機製複雜,且其精準控製性較差。因此,建立CVD方法控製材料維度的有效參數相關性及作用機製是實現材料維度和尺寸可控製備的關鍵科學與技術問題之一。

近日,金宝搏188手机官网下载 黃維院士團隊王學文教授課題組與新加坡南洋理工大學劉政教授團隊、西北大學張誌勇教授團隊合作,提出並驗證了通過人工智能機器學習方法有效指導先進低維材料的合成和形貌調控,該成果為進一步研究與材料維度相關的物理性質奠定了基礎。相關成果發表在最新一期的Journal of the American Chemical Society (《美國化學會誌》,簡稱JACS)上,並被選為封麵文章,論文第一作者為我院博士後許曼章和新加坡南洋理工大學博士後湯碧珺

在這項工作中,我們實現了機器學習指導低維WTe2材料的空間限域CVD法可控製備。機器學習模型XGBoost的ROC曲線下麵積(AUROC)高達0.93,確保基於此模型後續分析的有效性。基於機器學習的結論,確定了WTe2材料製備的參數範圍,並成功的製備出了WTe2納米帶(NRs),驗證了模型的準確性。機器學習的結果表明:氫氣流速是控製能否合成WTe2 NRs重要的參數,而反應源的比例(RTe/W)主導了低維WTe2的形態。通過實驗驗證了反應源的比例(RTe/W)與WTe2幾何結構之前的強關聯性,進一步驗證了模型的準確性。此外,我們提出了1D WTe2 NRs的生長演化機製(1D WTe2 NRs是2D WTe2被H2刻蝕後二次生長所形成),並進一步通過實驗和理論計算相結合的方式加以證實。該工作將機器學習和材料及化學實驗相結合,將會加速和促進2D材料家族衍生出多樣化新型納米結構,為低維材料的研究開辟了新的思路,同時也將推動計算機科學與材料學、化學的交叉與融合。

上述工作得到了國家重點研發計劃(2020YFB2008501)、國家自然科學基金(11904289、61974120)、陝西省重點研發計劃(2020ZDLGY04-08、2020GXLH-Z-027)、陝西省自然科學基金(2019JQ-613)、寧波市自然科學基金(202003N4003)、中央高校基本科研業務費(3102019PY004、31020190QD010、3102019JC004)、金宝搏188手机官网下载 翱翔海外學者等經費的支持。

文章鏈接:J. Am. Chem. Soc. 2021, 143, 43, 18103–18113 https://doi.org/10.1021/jacs.1c06786

(審核:王學文)


上一條:《美國化學會誌》報道黃維院士團隊在聚合物圓偏振有機室溫磷光方麵新進展 下一條:【光明日報】黃維院士團隊突破分子態高效藍色室溫磷光

關閉

Baidu
map