扭叠多层 MoTe$_2$ 中的层次分层与带排序

我们提出了一种通用且基于物理的策略，用于生成训练数据，使机器学习势能场在莫尔系统的扭角和堆叠层数范围内都精确。我们将其应用于扭叠多层 MoTe2 (tMoTe2)，识别出结构和电子的分层：两个莫尔界面 (MI) 层即使在厚多层中也保留了大量晶格重构，而外层类似bulk 的层显示出快速衰减的扭曲。令人惊讶的是，这种分层在超小扭角 regime (<~1°) 中最为显著——在该 regime 中已知会形成平面域—but而是在中间扭角 (2-5°) 才最强烈。同时，MI-bulk 边界跨越的层间杂化被强烈抑制，导致电子隔离。在扭叠双双层 MoTe2 中，这种分层导致前沿价带中共存 honeycomb 和三角晶格图案。我们进一步展示，扭角和弱电场可在两者图案的带上产生能级位移，产生 Chern 带排序和 modest 空穴掺杂下的非线性电极化。我们的ethods 允许高效模拟多层莫尔系统，揭示了不存在于双层系统中的结构-电子分离现象。