二维（2D）半导体因其原子级厚度和卓越的栅控性，在下一代纳米场效应晶体管（FET）中展现出巨大的潜力。然而，这些材料的电学性能往往受限于栅极介电材料的选择。理想的范德华介电体要求具备高的介电常数、大的带隙、与二维半导体匹配的能带边、以及较弱的界面散射。范德华（vdW）介电体表面无悬挂键，有助于降低界面散射，为与二维半导体的集成提供了一种可能的方案。但目前已知的范德华介电体种类仍然十分有限，且难以同时满足所有理想条件。因此，探索具有更丰富晶体和电子结构的范德华介电体变得至关重要。
最近，中国科学院物理研究所/北京凝聚态物理国家研究中心纳米物理与器件实验室N11组博士生李玉辉、万国麟在杜世萱研究员、潘金波副研究员的指导下，利用自主开发的拓扑缩放算法与一系列筛选标准从三维体相材料数据库中筛出潜在的范德华材料。筛选条件包括实验上已合成、带隙大于1.0eV、原子数目少于50、不含过渡金属和惰性元素，以及零维化合物的总原子共价体积与晶胞体积之比大于0.14的范德华材料。通过高通量第一性原理计算，共得到189 种零维、81种一维和252种二维范德华材料的带隙和介电常数（ε）。其中，9种范德华介电体因与MoS2间具有大于1eV的能带偏离，被认为适用于二维MoS₂场效应晶体管。进一步的统计分析表明，具有一维和二维结构且含有强电负性阴离子与重阳离子的材料往往同时具有较大的带隙和介电值。
基于统计分析的结果，团队进一步挑选了7个特征描述符，并构建了一个机器学习模型，用于定量筛选潜在的介电体。该机器学习模型依次由两个用于筛选带隙和介电常数的分类器组成，二者的准确率均超过 80%。利用主动学习框架，团队从Materials project数据库中成功识别出了其它49种有潜力且实验上暂未报道的范德华介电体。这项工作不仅提供了一系列范德华介电体的候选清单，还建立了一个用于高效筛选介电体的机器学习模型，对推动二维场效应晶体管的发展和应用具有重要意义。
相关研究成果以“High-throughput screening and machine learning classification of van der Waals dielectrics for 2D nanoelectronics”为题，发表于Nature Communications 15, 9527 (2024)。该研究受到了国家自然科学基金委、科技部重点研发计划、中国科学院的资助。
文章链接：https://www.nature.com/articles/s41467-024-53864-4
图 低维范德华材料的集成、522个材料的统计分析及两步机器学习模型