研究背景
隨著微納電子技術的飛速發展，當前對電子器件的微型化和高性能提出了更高要求，更低功耗、更高集成度、更高速、更耐疲勞成為追求的目標，此外器件最好還能兼具柔韌性。近幾年發現的二維滑移鐵電（Sliding ferroelectricity）作為一類新興的功能性材料，能同時滿足上述性能要求，因此越來越引起人們的關注。在很多二維材料，例如六方氮化硼（h-BN）、二硫化鉬（MoS2）、石墨烯等材料中，雖然其單層均為中心對稱結構，不具有鐵電性，但是在雙層或多層結構中，某些堆疊方式可以打破空間反演對稱性，從而產生面外極化。更重要的是，這種面外極化可以通過外電場調控層間滑移進行翻轉,如圖1a所示。這種滑移過程需要克服的勢壘非常小，比常規鐵電小一個數量級，因此有望用于設計超低功耗的鐵電器件。此外，除了層間滑移，層間旋轉也可以改變其堆疊序，從而產生鐵電，即摩爾鐵電（Moire ferroelectricity）如圖1b所示。
滑移/摩爾鐵電理論近兩年來在實驗中被不斷證實，但當前對于滑移鐵電的研究還在初期，很多性質尚不清楚。與常規鐵電類似，滑移/摩爾鐵電的矯頑場、極化翻轉速率、疲勞等性能，很大程度上取決于其疇壁的性質。近期發表在Nature Reviews Materials上的綜述文章指出，“盡管滑移鐵電的疇壁很重要，但是當前對它的性質還知之甚少”。這主要是由于滑移堆垛結構的特性，其疇壁的寬度可能遠大于常規鐵電的1nm量級。受限于尺度原因，當前常規的計算方法，例如密度泛函理論（DFT），無法對其進行計算。
成果介紹
針對這一問題，中國科學院寧波材料所柔性磁電功能材料與器件團隊鐘志誠研究組利用基于深度學習力場的大尺度原子模擬方法，在量子力學框架下，首次計算并揭示了滑移鐵電的疇壁和摩爾構型的原子結構及其動力學性質。研究人員以典型的二維滑移鐵電h-BN為例，首先通過同步學習策略得到大量能夠覆蓋勢能面的訓練集構型，并通過對大量DFT訓練集進行深度學習，構造了深度神經網絡表達的力場函數。該力場函數可以在DFT精度下，描述各種堆疊序的能量、極化翻轉動力學過程、以及聲子譜等性質，如圖2所示。在此基礎上，科研人員根據滑移方向與疇壁的幾何角度關系，構建了四種類型的鐵電疇壁（0°，30°，60°，90°疇壁），并利用深度學習力場函數進行結構弛豫，得到穩定的疇壁結構。計算結果表明，0°和90°疇壁寬度分別為10nm和40nm，比常規鐵電材料大1-2個數量級。結合疇壁能模型分析，可以推出是由于較低的層間滑移勢壘和較高的面內畸變能的競爭耦合，導致寬疇壁的形成。此外，通過外電場下的動力學模擬，研究人員發現疇壁移動得臨界電場非常低（~0.026 V/nm），同時疇壁具有超快的移動速率（6000 m/s），如圖4所示。這意味著100 nm的器件極化翻轉的時間只需要15皮秒，這能夠為高速低功耗存儲器的設計提供理論依據。
研究人員還利用深度力場函數對h-BN的摩爾結構的動力學進行研究，首先通過層間旋轉，構造出摩爾結構，弛豫以后得到的AB和BA堆疊疇相交替的等邊三角形構型，這與實驗觀察到的一致（圖1b）。在面外電場下，會導致一種疇增大而另一種疇變小，形成類似三叉戟的圖案，如圖5所示，從而產生面外極化。當撤掉電場以后，疇會恢復至初始等邊三角形圖案，同時極化恢復為0，因此表現為超順電性。通過理論計算表明，所謂的摩爾鐵電說法是不恰當的，實驗中觀察到摩爾結構的鐵電信號可能是起源于缺陷對疇壁的釘扎作用。
該項研究在領域內首次揭示了滑移/摩爾鐵電疇壁的原子結構和動力學性質，其特性與常規鐵電相差甚遠，計算結果能夠解釋大量實驗中的奇異現象，并為未來的實驗設計提供可靠的理論基礎。
圖1. （a）h-BN滑移鐵電原子結構和差分電荷密度示意圖。雙層BN的AB和BA堆疊分別具有向上和向下的極化，且可以通過層間滑移進行極化翻轉。（b）摩爾鐵電示意圖。通過層間旋轉，形成AB、BA堆垛相間的結構。
圖2. （a）通過對大量DFT訓練集進行深度學習，構造了用深度神經網絡表達的勢函數。（b）和（c）通過深度勢函數預測的能量和力與DFT計算結果的對比，證明深度勢函數具有DFT精度。（d）DFT和深度勢函數計算得到的h-BN聲子譜和態密度。
圖3 利用深度勢函數弛豫得到的0°（a）和90°（b）疇壁原子結構圖，計算結果表明其疇壁寬度在10-40 nm。
圖5 h-BN的摩爾構型的原子結構，及其結構和極化在外電場下的動力學響應。
原創文章，作者：計算搬磚工程師，如若轉載，請注明來源華算科技，注明出處：http://www.zzhhcy.com/index.php/2024/01/25/f5ed1196db/
