Npj Comput. Mater.: 机器学习铁电材料设计：相稳定性评估与新掺杂剂识别

文章预览

海归学者发起的公益学术平台 分享信息，整合资源 交流学术，偶尔风月 HfO 2 铁电薄膜材料在信息存储、传感技术、类脑计算以及仿生电子器件等领域均有重要应用，然而目前学术界对 HfO 2 薄膜的铁电相变和相稳定机理尚无统一的认识，薄膜中铁电相的调控和薄膜铁电性能稳定性的控制仍是氧化铪基铁电薄膜研究领域的重大挑战。 Fig. 1 The working framework of this study. 近几年，机器学习在加速材料优化设计领域展示出强大的能力，除了能准确进行多因素综合下的性能预测外，还能提供材料设计优化新的物理视角。来自湘潭大学的燕少安教授、唐明华教授、朱颖方博士与复旦大学卢红亮教授合作，将高通量第一性原理计算、机器学习及实验验证相结合，采用SISSO (确定独立性筛选和稀疏化算子)策略建立了多阶段材料设计框架，从而构建了一个高可靠性和 ………………………………