第一作者：Xinyu Chen

通訊作者：王金蘭，周跫樺

通訊單位：東南大學(xué)

王金蘭?，教授，博士生導(dǎo)師。東南大學(xué)物理學(xué)院首席教授、博士生導(dǎo)師、東南大學(xué)特聘教授、國(guó)家杰出青年、國(guó)務(wù)院特殊津貼獲得者。2006年入選教育部新世紀(jì)優(yōu)秀人才支持計(jì)劃，2013年獲江蘇省杰出青年基金、2015年獲國(guó)家杰出青年科學(xué)基金、2016年獲江蘇省“333”領(lǐng)軍人才支持計(jì)劃，2018年入選國(guó)務(wù)院特殊津貼專家，2021年入選英國(guó)皇家化學(xué)會(huì)會(huì)士。SCI論文總計(jì)200余篇，總引用已達(dá)16000余次，H-index 65，連續(xù)八年入選Elsevier中國(guó)高被引學(xué)者。（信息來(lái)源：https://physics.seu.edu.cn/jlwang/leader/list.psp）

周跫樺，東南大學(xué)物理學(xué)院副教授，碩士生導(dǎo)師，2017年6月博士畢業(yè)于東南大學(xué)物理學(xué)院，主要從事基于機(jī)器學(xué)習(xí)算法的材料篩選、二維材料的模擬與設(shè)計(jì)方面的研究工作。發(fā)表SCI論文40余篇，其中以第一/共一/通訊作者身份發(fā)表SCI論文20余篇。

（信息來(lái)源：

https://physics.seu.edu.cn/_s318/2022/0920/c29635a420478/page.psp）

論文速覽

數(shù)據(jù)稀缺是利用機(jī)器學(xué)習(xí)（ML）開(kāi)發(fā)新材料的關(guān)鍵瓶頸之一。遷移學(xué)習(xí)能夠利用現(xiàn)有的大數(shù)據(jù)輔助小數(shù)據(jù)集上的屬性預(yù)測(cè)，但前提是大小數(shù)據(jù)集之間必須存在強(qiáng)相關(guān)性。為了擴(kuò)展其在不同屬性和材料場(chǎng)景下的適用性，本研究開(kāi)發(fā)了一種結(jié)合對(duì)抗性遷移學(xué)習(xí)和專家知識(shí)的混合框架，可以直接利用從塊體材料有效質(zhì)量學(xué)到的知識(shí)預(yù)測(cè)二維（2D）材料的載流子遷移率。

通過(guò)對(duì)抗訓(xùn)練確保只提取體材料和2D材料之間的共同知識(shí)，同時(shí)融入專家知識(shí)以進(jìn)一步提高預(yù)測(cè)的準(zhǔn)確性和泛化能力。僅通過(guò)晶體結(jié)構(gòu)，就以超過(guò)90%的準(zhǔn)確率預(yù)測(cè)了2D載流子遷移率，并篩選出了21種載流子遷移率，遠(yuǎn)遠(yuǎn)超過(guò)硅且具有合適帶隙的2D半導(dǎo)體。本工作使遷移學(xué)習(xí)能夠在同時(shí)跨屬性和跨材料的場(chǎng)景中進(jìn)行，為用有限數(shù)據(jù)預(yù)測(cè)復(fù)雜的材料屬性提供了有效工具。

圖文導(dǎo)讀

圖1：從體材料有效質(zhì)量到2D載流子遷移率的對(duì)抗性遷移學(xué)習(xí)示意圖。

圖2：通過(guò)不同的機(jī)器學(xué)習(xí)方法，展示不同方法的性能對(duì)比。

圖3：混合遷移學(xué)習(xí)骨架在2D載流子遷移率預(yù)測(cè)方面的性能和模型解釋。

圖4：具有高載流子遷移率的2D半導(dǎo)體。

圖5：具有高載流子遷移率的代表性2D材料的晶體結(jié)構(gòu)和電子結(jié)構(gòu)。

總結(jié)展望

本研究開(kāi)發(fā)的混合遷移學(xué)習(xí)方法結(jié)合了對(duì)抗性訓(xùn)練和專家知識(shí)，實(shí)現(xiàn)了不同材料和不同屬性間的有效知識(shí)遷移。本技術(shù)已被應(yīng)用于2D材料，并且通過(guò)利用體材料有效質(zhì)量的大數(shù)據(jù)，快速準(zhǔn)確地預(yù)測(cè)了載流子遷移率。值得注意的是，這種遷移率預(yù)測(cè)僅需要晶體結(jié)構(gòu)作為輸入，但保持了與DFT計(jì)算相當(dāng)?shù)臏?zhǔn)確性，速度卻快了五個(gè)數(shù)量級(jí)。

此外，從4266個(gè)候選材料中篩選出了21種載流子遷移率遠(yuǎn)超硅的2D半導(dǎo)體。該方法的成功在于有效捕捉了不同材料間的相似性，同時(shí)也表征了目標(biāo)材料和屬性的獨(dú)特屬性，從而促進(jìn)了同時(shí)跨材料和跨屬性的遷移學(xué)習(xí)，提高了模型的預(yù)測(cè)能力和可靠性。本研究為解決ML輔助材料設(shè)計(jì)中的數(shù)據(jù)稀缺問(wèn)題提供了一種廣泛適用的策略。

文獻(xiàn)信息

標(biāo)題：From bulk effective mass to 2D carrier mobility accurate prediction via adversarial transfer learning

期刊：Nature Communications

DOI：10.1038/s41467-024-49686-z