范德华介电体的高通量筛选与机器学习分类 | 进展

本文介绍了中国科学院物理研究所N11组在范德华介电体高通量筛选与机器学习分类方面的研究进展。研究团队利用自主开发的拓扑缩放算法和一系列筛选标准，从三维体相材料数据库中筛选出潜在的范德华材料。通过高通量第一性原理计算，共得到522种范德华材料的带隙和介电常数。研究还构建了一个机器学习模型，用于定量筛选潜在的介电体，并成功识别出49种有潜力且实验上暂未报道的范德华介电体。这项工作对推动二维场效应晶体管的发展和应用具有重要意义。