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
知社学术圈
2025-03-18 11:30
文章摘要
本文探讨了机器学习在铁电材料设计中的应用,特别是针对HfO2薄膜的相稳定性评估和新掺杂剂的识别。研究团队结合高通量第一性原理计算和机器学习技术,建立了一个多阶段材料设计框架,成功预测并实验验证了镓(Ga)作为HfO2薄膜的新掺杂剂。通过机器学习模型,研究人员不仅揭示了HfO2材料的铁电相稳相机理,还提出了相稳定性评价方法,为HfO2基铁电材料的设计和性能预测提供了新的视角和方法。
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。