滑动铁电体的确定性与高效翻转

近期研究凸显了二维滑动铁电体的科学重要性和广阔应用前景，这类材料通常通过合适的堆叠表现出垂直极化。理解滑动铁电性的机制，并通过优化电场实现极化的确定性与高效翻转至关重要。在此，我们应用新开发的DREAM-Allegro多任务等变神经网络（该网络可同时预测原子间势和玻恩有效电荷），为氮化硼（$\mathrm{BN}$）双层构建了一个综合势场。分子动力学模拟揭示，得益于稳健的层内化学键和精细的层间范德华相互作用，其居里温度高达1500K。更重要的是，研究发现，与面外电场相比，倾斜电场不仅能实现电极化的确定性翻转，还能大幅降低临界场强，这是因为过渡态中存在面内极化。这种倾斜电场策略被证明对于具有 $p \bar{6} m 2$ 对称群单层结构的其他滑动铁电系统（如过渡金属硫族化合物）具有普适性。