铁电材料的机器学习分析

铁电材料具有特殊的内部结构。对于晶体材料,离子在称为畴的个别区域内清楚地自行组织。电场或外部压力可以用来改变所谓的极化。

铁电材料的机器学习分析。
通过机器学习方法对接触开尔文探针力显微镜(cKPFM)测量的数据进行聚类后,获得了钛酸钡薄膜的Map。从这张地图上,科学家可以获得铁电畴如何分布以及它们各自的极化振幅的详细信息。图片来源:Helmholtz Zentrum Berlin für Materialen and Energie。

这些特性使铁电材料在一些技术应用中具有独特性。例如,它们是电容器的理想材料,或者,由于磁畴非常小,在小空间中存储大量数据。华体会双赢棋牌

然而,当材料的尺寸显著减小时,是什么使得铁电特性发生变化,例如,在纳米电子部件中使用它们?实验证明,收缩对铁电极化模式有巨大的影响。

当尺寸减小时,铁电畴可以呈现非常不同的形状,空间扩展仅数纳米。纳米晶体尺度上的电子结构的多样性为理解这些物体的物理和它们的潜在应用打开了一个全新的令人兴奋的视野。华体会双赢棋牌一个关键的挑战是能够以一种非破坏性的方式可视化这些微小的区域

Catherine Dubourdieu博士,Helmholtz Zentrum Berlin für Materialien and Energie能源效率信息技术功能氧化物研究所教授和主任

美国橡树岭国家实验室(ORNL)的Catherine Dubourdieu和她的团队以及其他研究人员现在发现了一种方法,可以准确而无损地绘制薄铁电层的极化模式。为此,研究人员依赖于所谓的接触开尔文探针力显微镜(cKPFM),一种计算材料在电偏压下的机电响应的技术。

HZB该团队利用机器学习技术分析了低至8 × 8纳米的地图生成的大量数据2像素大小。这使得可以在空间上分辨大小小于10纳米、极化幅度不同的铁电畴。

研究小组使用钛酸盐(BaTiO3.)的两种晶体形式作为样品材料。第一个是所谓的钙钛矿结构(一种著名的铁电材料),第二个是六方结构,它在环境温度下不是铁电的。

为了验证所采用测量技术的可靠性,HZB和ORNL团队还使用透射电子显微镜(TEM)测试了纳米结构。

Dubourdieu说,“两种实验方法的结果完全一致科学家们还可能使用这种技术来跟踪样品在加热到其副电状态期间的铁电模式演化。这为研究铁电畴分布的温度依赖性以及观察铁电畴在所谓居里温度以下的空间形成方式创造了机会。

我们的研究结果为在纳米尺度上研究各种各样的极化模式创造了一个有希望的新视角。例如,这可能导致绘制拓扑极性纹理的分布图,如极性Skyrmion,已显示其尺寸约为10 nm。它还可用于区分极性区域和极性区域多晶HfO2基铁电薄膜中的非极性分子,一种在当前纳米电子学中潜在集成的材料

Catherine Dubourdieu博士,Helmholtz Zentrum Berlin für Materialien and Energie能源效率信息技术功能氧化物研究所教授和主任

在未来,借助机器学习在纳米尺度上绘制铁电性图无疑将使人们深入了解尺寸减小时出现的现象,并为铁电体与纳米器件的集成带来好处, " Dubourdieu总结。

期刊引用:

施密特,S.W。,. (2021)通过机器学习启用接触式开尔文探针力显微镜对异质材料中的铁电性进行10 nm以下探测。应用电子材料doi.org/10.1021/acsaelm.1c00569

资料来源:https://www.helmholtz-berlin.de/

告诉我们你的想法

您是否有评论、更新或任何您想添加到此新闻报道的内容?

离开你的反馈
提交