|
“自插層材料的發展為新型功能材料的研究打開了新方向，有望推動自插層材料在能源存儲、催化及電子器件等領域的廣泛應用。”北京大學教授趙曉續表示。
近日，他和團隊打造出一種自插層材料，展現出良好可調控性，其潛在應用主要集中在以下幾個領域：
在能源存儲和轉換方面，自插層材料因其高導電性和優異的離子擴散特性，有望作為鋰離子電池和鈉離子電池的電極材料。
研究表明，這些材料有望提升電池的能量密度和循環穩定性。然而，尚需進一步的實驗驗證，以確保其在實際電池應用中的長期穩定性和可靠性。
在催化應用方面，自插層材料在催化反應中展現出優異性能，能被用于氫析出反應和有機污染物的降解。
不過，針對其實際催化效率和穩定性，仍需在工業環境中開展進一步的研究和優化。
在電子和光電子器件應用方面，自插層材料可以作為場效應晶體管的活性層，理論上能實現超低功耗操作。
同時，仍然需要解決接觸電阻、界面特性等問題，以確保其性能與傳統材料相當。
在自旋電子學方面，可用于自旋閥、自旋傳感器和磁性存儲器。由于自插層材料可能展現出鐵磁性，因此可被用于自旋電子學器件的開發。同時，需要解決控制和穩定自旋態的問題。
據介紹，本次課題來源于一個很偶然的發現，當時趙曉續的目標是想研究溫度調控單層 TaS? 體系中不同電荷密度波。
但是那天運氣不好樣品制備錯誤——做成了雙層 TaS?。于是他想著既然樣品已經制備完畢，那就試一下原本計劃開展的原位實驗。
沒想到在雙層 TaS? 體系中，原位加熱竟然可以直接把 TaS? 轉化成自插層 ic-2D Ta1+xS?。
基于這個發現，他和團隊不斷地重復雙層 TaS? 及其他材料在不同加熱條件下的原位原子動力學。
后續實驗也都很成功，實驗做完之后他們找到北京大學陳基教授幫忙在理論方面給予指導。
理論結果也很快驗證了本次實驗現象的合理性，即通過簡單的加熱方法就可以催生出新的 ic-2D 自插層材料體系。
趙曉續表示這個實驗發現具有很好的指導意義，因為傳統自插層材料的制備異常困難，無論是厚度、晶型、晶疇等序參量都很難調控。
而這個簡單的實驗證明：其實通過簡單的一步法退火，就可以將二維材料轉化成超薄自插層低維材料。
傳統二維材料生長工藝已經非常成熟，可以輕易地得到高質量單晶薄膜。因此可以使用容易得到的高質量前驅體，進行簡單的退火相變，從而實現高質量自插層薄膜的制備。
Shengqiang Wu 是第一作者，趙曉續擔任通訊作者。
評審專家表示，Ic-2D 代表著一類新的功能性超薄低維材料，能夠揭示常規的拓撲相。
在這篇論文中，作者們通過原位掃描透射電子顯微鏡在原子級別上，將多個過渡金屬硫族化合物轉變為對應的 ic-2D 結構的過程加以可視化。
其中，觀察原生原子在外部能量驅動下以逐個原子的方式插層到范德華間隙中，令人印象十分深刻。
值得注意的是，插層物的濃度和拓撲結構取決于退火條件。審稿人認為如此精確的結構控制為二維系統中的性能調控提供了一種新方法。
盡管自插層材料在多個領域展現出廣闊的應用前景，但目前的潛在應用與實際應用之間仍存在距離。
總的來說，這些材料在合成、性能優化、器件集成和長期穩定性等方面都面臨挑戰。
未來的研究需要集中在克服這些技術障礙，以推動自插層材料從實驗室研究向實際應用的轉變。
通過不斷的實驗和技術創新，課題組期待自插層材料能在能源、電子和環境等領域發揮更大的作用。
首先，課題組將針對材料合成與材料結構開展優化。自插層材料（如 TaS?）目前可以通過分子束外延和化學氣相沉積方法在高金屬化學勢下生長。
這一方法能夠保證材料的質量和均勻性，后續研究中可以進一步優化生長條件以實現更大面積的高質量自插層材料。
同時，可以繼續探索不同的金屬和硫化物組合，開發出具有新型物理特性和應用潛力的自插層材料庫（如 VxSy 和 InxSey），這將拓展自插層材料的研究范圍和應用領域。
其次，課題組將在插層機理研究中，通過填充八面體空位，讓金屬原子能夠自插入到結構中。
具體來說，可以采用原位實驗觀察金屬原子的插層行為，運用密度泛函理論計算深入探討自插層過程中的動力學和熱力學機制，揭示插層金屬原子的電子結構及其相互作用。
再次，課題組將研究自旋極化效應和電荷轉移對材料磁性的影響。
即通過探索不同插層濃度對自旋態和導電性質的影響，尋找可能的自旋電子學應用。
最后，課題組認為材料的最終出口需要與實際應用相結合。
自插層材料的優異導電性和高比表面積使其在鋰離子電池和鈉離子電池中表現出良好的性能。后續可探討其在電池電極中的應用，以提高電池的能量密度和循環穩定性。
趙曉續補充稱：“本次研究中提到插層金屬可以增強材料的催化活性，這為開發高效的電催化劑提供了基礎。”
因此，未來研究可著重于自插層材料在電催化和光催化中的應用。在自旋電子學方面，考慮到自插層材料具有潛在的鐵磁性，所以能為自旋電子學器件的開發提供新的材料基礎。
基于此，課題組也將探討自插層材料在自旋閥和自旋傳感器中的應用。
積極擁抱 AI，提出基于單張實驗圖像的深度學習模型
另外，趙曉續的課題組已經將 AI 尤其是將深度學習用于相關研究。
傳統的電鏡表征數據處理和分析主要依賴于專業研究人員，由于噪聲干擾和人為偏差，處理效率和準確性常常受到限制。
而材料中的缺陷識別至關重要，因為它們會顯著影響材料的電子、光學、化學、磁性和機械性能。
為了提高缺陷識別的精度，該團隊提出了一種基于單張實驗圖像的深度學習模型，利用 CycleGAN 和 U-Net 網絡進行噪聲增強和缺陷識別，從而減少高昂的標注成本。相關論文已經發表在 Nano Letters 上。
除此之外，課題組還使用深度學習技術對單原子催化劑進行識別，突破了人眼分辨的極限，能夠對單原子催化劑的高度、密度和距離等進行統計分析。
未來，該團隊將進一步結合 AI 技術，在圖像超分辨率、去噪、晶體結構生成和材料性能預測等領域進行更深入的探索。
參考資料：
1.Wu, S., Li, S., Meng, Y., Qiu, Z., Fu, W., Chen, J., ... & Zhao, X. (2024). In Situ Closing the van der Waals Gap of Two-Dimensional Materials. Journal of the American Chemical Society.
|
魯公網安備 37010202001033號