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 17 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。 為了優化合成條件,通過實驗收集CVD合成數據來訓練ML 模型,五個CVD參數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)能夠優化CVD合成參數,以實現少層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。通過對合成參數進行優化,可實現高“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,發現準一維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展并促進開發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.zzhhcy.com/index.php/2023/10/15/8c645cdd34/ 電池 贊 (0) 0 生成海報 相關推薦 40萬/年,北大深研院肖蔭果課題組博士后招聘–能源材料和中子散射研究方向 2023年12月1日 循環一萬圈!李先鋒/鄭瓊/唐永福在鈉電負極取得進展 2023年10月12日 ACS Catalysis:金屬-碳相互作用打破尺寸依賴性限制! 2023年11月24日 原創性受質疑,3頁PDF完美回應!北大「國家杰青」,今年已發6篇Nature子刊!10萬次循環不衰減! 2024年11月14日 【ChemDraw干貨】如何將畫好的結構式保存為圖片 2023年11月21日 距發表AEM僅四天,能源女神孟穎,再發EES! 2024年5月20日