Промежуточные стадии формирования гетероструктур переходных металловых дихалькогенидов, выявленные с помощью машинного обучения

Почему так сложно укладывать ультратонкие материалы

Электроника, собранная из листов толщиной в несколько атомов, обещает более быстрые и энергоэффективные устройства. Популярное семейство этих ультратонких полупроводников создаётся из металлов, связанных с серой или селеном, и при укладке разных листов друг на друга они могут вести себя как совершенно новые материалы. Но выращивание крупных бездефектных стеков в лаборатории оказалось непростым: слои склонны смешиваться в сплавы, вместо того чтобы оставаться чётко разделёнными. В этом исследовании использованы продвинутые компьютерные симуляции на базе машинного обучения, чтобы заглянуть в скрытые шаги роста таких стеков и обнаружить неожиданный промежуточный структурный этап, который помогает объяснить и проблемы, и новые возможности для устройств.

Создание атомно‑тонких стеков для будущих чипов

Инженеров особенно интересует укладка материалов таких, как дисульфид молибдена (MoS2) и дисульфид вольфрама (WS2). Эти так называемые ван‑дер‑Ваальсовы гетероструктуры хорошо проводят электричество, сильно взаимодействуют со светом и могут собираться как кирпичики Lego на атомном уровне. Механическая укладка может дать красивые, резкие интерфейсы, но только на крошечных хлопьях и по высокой цене. Масштабируемые методы, такие как химическое осаждение из паровой фазы, позволяют выращивать одиночные слои по всей пластине, однако при попытке нарастить различные слои металлы часто меняются местами и образуют смешанные сплавы, портя чистые электронные свойства, необходимые для устройств.

Использование «умных» симуляций как атомной камеры

Наблюдать за перемещением атомов в процессе роста в настоящей печи практически невозможно, поэтому авторы построили высокоточный цифровой аналог. Они обучили потенциал на основе машинного обучения — модель ИИ, настроенную на тысячах квантово‑механических расчётов — чтобы имитировать взаимодействия между атомами молибдена, вольфрама и серы. Встроенная в молекулярно‑динамические симуляции, эта модель позволила отслеживать миллионы атомных движений на наносекундных временах с близкой к квантовой точностью. Авторы проверили, что модель достоверно воспроизводит известные структуры, энергии и колебания, что гарантирует надёжность её предсказаний по путям роста.

Скрытый металлический слой, который меняет всё

Симуляции сначала исследовали поведение голых атомов металла, попадающих на существующий лист MoS2 или WS2, имитируя двухэтапный паровой процесс, используемый в экспериментах. Вместо того чтобы оставаться сверху в виде аккуратной пленки, одиночные атомы молибдена быстро зарывались в слой серы под поверхностью, образуя скрытый металлический слой, зажатый между серными плёнками — обозначаемый как SMoMoS, когда участвует только молибден, и SMMS, когда смешиваются молибден и вольфрам. Этот погружённый слой оказывается удивительно стабильным и способствует обмену металлами между различными позициями, что естественным образом ведёт к аллояжированию вместо «чистого» стека MoS2/WS2. При более низких температурах обмен замедляется, но тенденция к погружению сохраняется, объясняя, почему устранение таких промежуточных стадий важно для получения чистых гетероструктур.

Как лишняя сера защищает интерфейс

Затем команда выяснила, что происходит, когда после образования скрытого слоя вводят дополнительную серу. При добавлении серы в чистую фазу SMoMoS она может вытащить атомы молибдена обратно к поверхности и в конечном итоге восстановить правильный второй слой MoS2 над исходным листом. Однако если скрытый слой уже представляет собой сплав (SMMS), дополнительная сера подтягивает вверх и молибден, и вольфрам, в результате чего образуются два сплавных слоя, а не резкий интерфейс. Дальнейшие симуляции показали выход из этой ситуации: если приходящий молибден прибывает уже связанным с серой — в виде кластеров Mo–S, а не голых металлических атомов — он больше не погружается. При избытке серы эти кластеры диффундируют по поверхности, сливаются и заделывают дефекты, позволяя вырасти чистому второму слою без образования проблемного скрытого сплава.

Преобразование проблемы в новый тип контакта

Любопытно, что те же скрытые металлические слои, которые мешают аккуратной укладке, могут сами по себе оказаться чрезвычайно полезными. Расчёты показывают, что SMoMoS и SMMS ведут себя как металлы и формируют низкоомные p‑типы контактов при соединении с полупроводниковым MoS2. В отличие от многих обычных металлических электродов, которые страдают от сильных эффектов «пиннинга», повышающих барьер для дырок, эти когерентные металл‑металл интерфейсы сохраняют барьер малым и настраиваемым. Это указывает на то, что при намеренном и локализованном формировании такие промежуточные слои могут служить идеальными электродами для ультратонких транзисторов.

Что это значит для атомно‑тонких технологий

В целом исследование показывает, что рост укладываемых ультратонких материалов управляется тонким балансом между погружением голых атомов металла и стабилизацией серосодержащих кластеров на поверхности. Конкретный погружённый металлический слой SMMS выступает ключевым рубежом на пути к нежелательному аллояжированию — но одновременно и перспективным металлическим контактом. Для производителей устройств посыл прост: поддерживайте условия, богатые серой, и избегайте воздействия голых металлических атомов на уже имеющиеся слои, если вам нужны резкие интерфейсы, а там, где нужны низкоомные контакты, целенаправленно создавайте скрытые металлические слои. Превратив невидимый промежуточный этап в параметр проектирования, эта работа предлагает дорожную карту как для лучшей технологии изготовления, так и для более продуманного использования двумерных материалов.

Цитирование: Zhao, L., Liu, H., Chang, Y. et al. Intermediates of forming transition metal dichalcogenide heterostructures revealed by machine learning simulations. Nat Commun 17, 3086 (2026). https://doi.org/10.1038/s41467-026-69977-x

Ключевые слова: 2D материалы, ван-дер-ваальсовы гетероструктуры, моделирование с помощью машинного обучения, рост MoS2 WS2, инжиниринг контактов