北京航空航天大学物理学院周苗教授应邀在Surface Science Reports发表机器学习赋能二维材料表面生长的系统综述

（通讯员 王琳）近日，北航物理学院周苗教授团队应邀撰写的综述“机器学习赋能二维材料表面生长：合成、表征与机理”（Machine learning empowered surface growth of 2D materials: Synthesis, characterization and mechanism）在线发表于表面科学领域的顶级综述期刊Surface Science Reports。

二维材料具有超薄的原子层结构和独特的电学性质，有望突破传统硅基晶体管的尺寸限制，实现集成电路逻辑结构上的革新。大面积、高质量二维单晶材料的制备是实现高集成度二维器件规模化应用的先决条件。然而，二维材料的外延生长是一个非常复杂的过程，涉及庞大的参数空间，传统的实验手段难以高效探索并优化所有可能的生长条件组合。随着人工智能的飞速发展，数据驱动的机器学习技术为材料的计算设计带来了前所未有的发展机遇，有望在二维材料生长领域实现全新的突破。

基于这一背景，周苗教授团队对机器学习赋能二维材料表面生长进行了系统综述。他们从生长条件优化、实时自动表征以及生长机理揭示三个方面深入探讨了机器学习在二维材料表面生长领域中的应用。在生长条件优化方面，机器学习能够用于预测最佳的生长条件，实现可重复的、结构均一的单晶制备；在实时自动表征方面，机器学习能够用于分析不同模态的实验数据，识别生长材料的缺陷密度和结晶质量，为器件应用提供高品质的材料候选；在生长机理揭示方面，机器学习能够用于构建势函数，揭示外延生长过程中表面物质的动力学演化，从原子尺度剖析二维材料的生长机制。最后，他们还针对机器学习赋能二维材料表面生长领域所面临的挑战提出了可能的解决方案，并对未来的发展方向作出了展望。

该工作得到了国家重点研发计划、国家自然科学基金、浙江省自然科学基金等支持。物理学院博士生高文晋为第一作者，周苗教授为通讯作者，北航为第一单位。

论文链接：https://www.sciencedirect.com/science/article/pii/S0167572926000014

（审核：王菲）

编辑：史越