南洋理工/西北工大/西北大學JACS:機器學習驅動合成具有幾何控制的少層WTe2 2023年10月15日 下午1:00 ? 頭條, 干貨, 頂刊 ? 閱讀 6 將二維 (2D) 材料的橫向尺度減少到一維 (1D) 已吸引了大量研究興趣,不僅可以實現(xiàn)具有競爭力的電子應用,還可以探索基本物理特性。因此,高質量一維納米帶(NRs)的可控合成對于進一步研究是必不可少的。 在此,西北工業(yè)大學王學文教授、西北大學張志勇教授及南洋理工大學劉政副教授等人成功采用機器學習(ML)指導準1D少層1T’ WTe2 NRs的化學氣相沉積(CVD)合成。 為了優(yōu)化合成條件,通過實驗收集CVD合成數(shù)據(jù)來訓練ML 模型,五個CVD參數(shù)被確定為重要的輸入特征:源比(RTe/W, 碲粉與鎢粉的摩爾比)、反應溫度(T, °C)、斜坡時間(tR, min)、沉積時間(tD, min)和H2氣體流速(f H2, sccm)。訓練有素的XGBoost模型(受試者工作特征曲線下面積(AUROC)值高達0.93)能夠優(yōu)化CVD合成參數(shù),以實現(xiàn)少層1T’ WTe2的可控生長。 圖1. WTe2 NR的CVD合成和使用ML的智能分析 從訓練模型中進一步提取特征重要性等信息可以為WTe2的合成和形態(tài)控制提供新的見解,H2氣體流速是控制1T’ WTe2 NRs合成的最重要特征,而RTe/W主導樣品形態(tài)。通過對合成參數(shù)進行優(yōu)化,可實現(xiàn)高“可生長”概率和大長寬比,實驗驗證進一步支持了這一點。 此外,作者還提出了WTe2 NRs的生長機制,發(fā)現(xiàn)準一維WTe2是在H2的幫助下從二維WTe2演化而來。這項工作將ML分析和實驗結果相結合,將加速一維材料的發(fā)展并促進開發(fā)源自二維過渡金屬硫屬元素化合物家族的多樣化納米結構。 圖2. 1T’ WTe2 NRs的生長機制 Machine Learning Driven Synthesis of Few-Layered WTe2 with Geometrical Control, Journal of the American Chemical Society 2021. DOI: 10.1021/jacs.1c06786 原創(chuàng)文章,作者:科研小搬磚,如若轉載,請注明來源華算科技,注明出處:http://www.xiubac.cn/index.php/2023/10/15/8c645cdd34/ 電池 贊 (0) 0 生成海報 相關推薦 臥龍崗大學郭再萍等AM:顯著增強高壓LiNi0.5Mn1.5O4(LNMO)正極循環(huán)穩(wěn)定性 2023年10月23日 時隔一周,上海交通大學再發(fā)重磅Science! 2024年1月11日 Nat. Commun.:10.8分鐘充電80%,電動汽車有望擺脫里程焦慮! 2023年10月11日 劉碧錄&孫成華Nature子刊:超高電流密度下,Ta-TaS2 MC高效HER 2023年10月15日 胡良兵AM: 延續(xù)Science工作,高溫超快燒結技術再現(xiàn)江湖 2023年11月2日 Nature子刊:相間協(xié)同作用起關鍵作用,促進單金屬異質界面的析氫反應 2023年10月11日