图灵汇官网

二维半导体由于其原子级厚度和出色的栅控性能，在下一代纳米场效应晶体管（FET）领域展现出巨大潜力。然而，这些材料的电学性能常常受限于栅极介电材料的选择。理想的范德华介电体需要具备高介电常数、大带隙、与二维半导体匹配的能带边以及较低的界面散射。范德华（vdW）介电体表面无悬挂键，有助于减少界面散射，为二维半导体的集成提供了可能。

然而，目前可用于二维半导体的范德华介电体种类非常有限，且难以同时满足所有理想条件。因此，寻找更多具有丰富晶体和电子结构的范德华介电体变得尤为重要。近期，中国科学院物理研究所的科研人员在杜世萱研究员和潘金波副研究员的指导下，利用自主研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。

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。通过高通量的第一性原理计算，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。其中，9种范德华介电体因与MoS2之间具有大于1eV的能带偏离，被认为适用于二维MoS2场效应晶体管。进一步的统计分析显示，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。

基于这些统计分析，研究团队挑选了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。该模型由两个分类器组成，分别用于筛选带隙和介电常数，准确率均超过80%。利用主动学习框架，团队从Materials Project数据库中识别出49种有潜力但尚未被实验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，还建立了一个高效的机器学习模型，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，发表在《自然·通讯》杂志上。该研究得到了国家自然科学基金委、科技部重点研发计划和中国科学院的支持。