冷型金属低功率电子器件的生成逆设计
材料科学
2026-03-17 v1 机器学习
摘要
冷型金属是一类在费米能级附近具有内在能隙的金属，使其能够实现冷载流子注入，从而应用于陡坡场效应晶体管，具有低功率电子器件的潜力。高通量筛选已在Materials Project数据库中发现252种三维(3D)冷型金属，但数据库搜索本质上仅限于已知化合物。本文提出一种逆向设计工作流程，使用MatterGPT对生成3D冷型金属进行设计。MatterGPT是基于SLICES训练的条件自回归变换器，SLICES是一种可逆且对称不变的晶体字符串表示方法。我们构建了包含26,309种金属结构的训练集，标注为能量高于谷值，并采用统一的带边距离描述符，将p型和n型冷型金属特征融合，以解决严重的标签不平衡问题。针对热力学稳定性和50-500 meV带边距离的属性条件生成，产生了148,506个唯一候选方案；92.1%的候选方案成功重构为3D结构，并通过对称性、唯一性和新颖性筛选，随后进行高通量DFT验证。我们识别出257种与Materials Project数据库相比均为新颖的冷型金属，其能隙位于费米能级附近，范围为50-500 meV。第一性原理声子、电子结构和工作函数计算证实了代表性候选方案的动力学稳定性和接触相关工作函数。我们的结果表明，SLICES驱动的生成式变换器能够超越高通量筛选，扩展冷型金属的化学空间，为低功率电子器件材料的发现提供了一条途径。
引用
@article{arxiv.2603.13920,
title = {Generative Inverse Design of Cold Metals for Low-Power Electronics},
author = {Kedeng Wu and Yucheng Zhu and Yan Chen and Bizhu Zhang and Shuyu Liu and Xiaobin Deng and Yabei Wu and Liangliang Zhu and Hang Xiao},
journal= {arXiv preprint arXiv:2603.13920},
year = {2026}
}