国产精品热久久高潮av,日本只有19岁可以上大学,最近中文字幕完整视频高清1

隨著載流子注入的減少，源極和漏極處的金屬-半導體（M-S）界面的接觸電阻增加，從而降低了器件性能。減小M-S界面處的肖特基勢壘高度（SBH）是降低接觸電阻的有效方法，因而探索歐姆接觸（無肖特基勢壘）或低接觸電阻2D半導體/金屬異質結對于開發高性能電子器件至關重要。

在此，上海交通大學李金金研究員、鄭州大學周震教授等人將DFT計算與機器學習（ML）方法相結合，以尋找具有低電阻的高性能2D M-S范德華（vdW）異質結構并將其用于電子設備的潛在應用。作者使用低電阻和高隧穿概率（TP）作為篩選標準，其中接觸性能通過監督回歸模型預測，而無監督ML模型篩選出高TP的結構。

基于混淆矩陣，作者證明了監督學習無法對不平衡和稀缺的數據產生高精度預測，而無監督學習可緩解數據稀缺和不平衡的問題，為復雜系統的結構設計帶來了有希望和有用的結果。具體而言，作者從元素周期表中生成了一個綜合數據集，該數據集由1092個具有良好接觸性能的潛在2D半導體/金屬異質結組成，并證明了小界面偶極子和局部表面態的消除對于設計具有低SBH的先進2D M-S系統至關重要。

圖1. 集成監督和非監督學習的研究框架

最終，作者篩選得到6種新型2D vdW M-S異質結（Al₂SO-Zn₃C₂、iAl₂SO-Zn₃C₂、GaSe-NbS₂、GaSe-NbSe₂和GeSe-VS₂），并將其作為具有低電阻和高TP的候選者。在這些候選者中，2個是Janus型結構（Al₂SO-Zn₃C₂、iAl₂SO-Zn₃C₂），它們可根據本征極化具有靈活和可調節的電子特性。

數據驅動的ML方法有很多優點，如能夠提取數據中潛在的非線性關系，通過結合DFT或實驗數據快速預測大量新型材料的性質等。因此，在保證傳統第一性原理計算的預測精度的同時，所提出的多步ML輔助預測方法大大提高了預測速度，在不到5秒的時間內完成復雜系統的篩選。總之，這項研究證明了無監督學習在解決與小型或分布不均勻的復雜數據集相關的訓練問題方面的優越性。

圖2. 多步ML方法篩選的DFT驗證

Accelerated Mining of 2D Van der Waals Heterojunctions by Integrating Supervised and Unsupervised Learning, Chemistry of Materials 2022. DOI: 10.1021/acs.chemmater.2c00641

原創文章，作者：v-suan，如若轉載，請注明來源華算科技，注明出處：http://www.zzhhcy.com/index.php/2023/10/08/097c0190ac/

末成年小嫩xb,嫰bbb槡bbbb槡bbbb,免费无人区码卡密,成全高清mv电影免费观看

李金金/周震CM: 集成監督和非監督學習加速二維范德華異質結的挖掘

末成年小嫩xb,嫰bbb槡bbbb槡bbbb,免费无人区码卡密,成全高清mv电影免费观看

李金金/周震CM: 集成監督和非監督學習加速二維范德華異質結的挖掘

相關推薦