科研进展
实验室开发人工智能方法实现二维材料 载流子迁移率的精准预测
实验室前沿材料部王金兰教授带领的智能材料设计团队开发的结合对抗式迁移学习与专家知识的机器学习框架取得重大突破，相关成果已于6月25日发表于《Nature Communications》期刊。该框架通过利用块体材料的有效质量数据，成功将对二维材料载流子迁移率的准确预测率提高到了90%，同时相较于第一性原理计算，速度提升了5个数量级。在此基础上，该工作成功筛选出21种载流子迁移率远超硅、且带隙与硅近似的二维材料，为高集成度高性能的半导体器件提供了候选材料。该工作实现了不同材料不同性质间的跨域迁移，提供了面向材料小数据集问题的通用策略，扩充了数据驱动材料设计方法的适用范围。
上一篇：
下一篇：
