南方科技大学李江宇教授团队近日有了新成果，基于反向传播（BP）神经网络和有限元训练开发了机器学习模型，可以同时准确确定自支撑薄膜的杨氏模量、预张力和厚度，将计算效率提高了两个数量级，超过传统的暴力曲线拟合。
该团队通过我司研制的脉冲激光沉积系统在STO单晶衬底上外延制备出了高质量的SAO/PZT薄膜，确保实现高质量的单晶自支撑薄膜。
南方科技大学为通讯单位，吕龙基硕士为该论文的第一作者，黎长建副教授、徐孟康博后和李江宇教授为论文的共同通讯作者。
11月2日该论文发表在Advanced Materials
阅读全文可复制以下链接到网站：
https://doi.org/10.1002/adma.202412635
在实验上发现了2.8纳米厚的PbZr0.2Ti0.8O3（PZT）薄膜远高于体块值、且高达229.4 ± 12.1 GPa的杨氏模量。这种增强可以归因于应变梯度诱导的弯曲电效应，相应的弯曲电系数估计为≈200 nC m-1。该方法旨在使人工智能（AI）系统能够研究各种低维材料的力学性能。
高质量自支撑PZT薄膜的制备和结构；a）制备过程包括（i）脉冲激光沉积，（ii）溶解，（iii）转移，和（iv）悬浮在硅衬底上带有微加工孔的PZT薄膜；b）转移后PZT薄膜的光学图像；c）转移前后44纳米PZT薄膜的XRD图谱；d，e）转移前后超薄PZT薄膜的原子尺度HAADF-STEM图像。
不同厚度的自支撑PZT薄膜的力学性能；a）力-位移曲线图；b）杨氏模量与厚度关系图。
李江宇教授及其团队在报告原文中对安徽外延科技有限公司表达了感谢
外延科技作为一家专注于薄膜外延设备研发和应用的高科技企业，坚持100%自主研发，拥有10年以上薄膜研究和设备开发经验，未来，外延将继续秉承“创新、品质、服务”的核心理念，不断优化产品，提升服务，以更加卓越的表现回馈每一位客户的信任与支持，我们期待着与更多的高校、科研院所展开合作。
