2025年9月23日——美国能源部橡树岭国家实验室和田纳西大学诺克斯维尔分校的研究人员创建了一种创新方法，用于可视化和分析专门设计的超薄双层二维材料内部的原子结构。当这些材料以精确角度对齐时，会展现出独特性质，可能推动量子计算、超导体和超高效电子器件的发展。

这些进展巩固了美国在材料创新、能源技术和安全通信领域的领导地位，并为由前沿进步所定义的未来奠定基础。

可视化莫尔材料中的原子

以微小角度将二维材料分层会形成复杂的莫尔图案，类似于两扇纱窗重叠时出现的波纹状畸变。 尽管这些图案在视觉上很醒目，但它们使识别单个原子变得更加困难，即使使用扫描透射电子显微镜（STEM）等先进成像工具也是如此。但了解单个原子的位置，是通过掺杂等技术控制缺陷或微调材料特性的关键一步；掺杂是指加入少量其他元素。该团队的发现挑战了关于这些复杂材料中原子行为的现有理论。

“理论模型表明，材料中掺杂原子的取代位点取决于其在莫尔图案中的位置。用现有分析工具检验这些模型一直非常困难，甚至不可能。然而，我们设计了一个经过训练的神经网络，用于识别掺杂原子相对于莫尔图案的位置和所在层，并进行了详细的统计分析，最终就我们的材料合成技术而言推翻了该理论。我们惊讶地发现，原子在莫尔图案中的位置对原子取代的难易程度没有影响，”ORNL纳米相材料科学中心的R&D职员科学家、该研究共同作者Sumner Harris说。该团队开发的机器学习模型名为Gomb-Net，是groupwise combinatorial network（分组组合网络）的缩写。

机器学习揭示原子模式

“Gomb-Net使我们能够分离各层，克服传统分析方法的局限，”Harris说。“利用该模型，我们加深了对这些复杂结构中原子如何排列的理解，为未来研究理解扭转二维材料的独特性质奠定了基础。” 

Gomb-Net可在当今的个人计算机上使用，使莫尔材料高级分析的使用更加普及，并且非常适合实时部署在电子显微镜上，用于材料的自主探索。

在该研究的实验中，研究人员将硒——一种能够调控材料电子和光学行为的非金属元素——添加到由两层二硫化钨单层组成的扭转堆叠中。这些超薄层由钨原子和硫原子组成，厚度仅几个原子，其行为与块体材料不同。 

“通过用硒选择性取代堆叠中的硫原子，我们旨在研究硒如何在重叠层形成的复杂莫尔图案中分布，”Kai Xiao说。他是CNMS功能杂化纳米材料组的ORNL杰出职员科学家，也是该研究的共同作者。

田纳西大学的研究人员使用先进的STEM来可视化扭转二硫化钨双层堆叠中的单个原子。这种可视化提供了关于原子确切位置以及材料制备过程中可能出现的任何缺陷的重要信息。

对未来技术的影响

用硒取代硫可以调控电子特性并调整带隙——电子运动所需的能量，这对半导体至关重要——同时增强光学特性，即材料与光相互作用的方式。这些知识对于推进激光器和LED灯等技术至关重要，可使它们更高效、更有效。此外，这种定制化方法有助于减少缺陷，从而催生更可靠、更具创新性的技术，例如量子计算机。

这项进展超越了特定材料体系，为所有莫尔材料开辟了机会。“我们与全国其他研究莫尔材料的显微镜学家交谈过，每一次对话中，他们都对如何将这种分析用于自己正在研究的体系有想法，”Austin Houston说。他是该研究的第一作者，也是田纳西大学的博士生。“这真的很令人鼓舞，因为这意味我们正在研究一些有用的东西，它确实有潜力影响整个领域的研究。”

除Houston外，来自田纳西大学的研究伙伴还包括Hao Wang、David Geohegan和Gerd Duscher。台湾阳明交通大学的Yu-Chuan Lin也协助了这项研究。

该研究论文 发表在《Nano Letters》期刊上, 详细介绍了这种用于可视化二维材料原子结构的创新方法。 

美国能源部基础能源科学项目资助了这项研究。这项工作得到了美国能源部科学办公室基础能源科学材料科学与工程部的支持。材料合成实验和机器学习开发在CNMS进行，该中心是ORNL的美国能源部科学办公室用户设施。