[论文解读] Understanding and predicting trends in adsorption energetics on monolayer transition metal dichalcogenides

Brian Lee, Jameela Fatheema+2 more|arXiv (Cornell University)|Oct 9, 2024

2D Materials and ApplicationsMaterials Science被引用 3

一句话总结

本研究利用电子结构和原子结构描述符（如d带中心和COHP分析），开发了过渡金属单原子在单层过渡金属二硫属化物（TMDs）上吸附能的预测模型。结果表明，通过使用电离能、电负性和原子半径作为描述符，结合压缩感知方法，可准确预测MoS₂、MoSe₂、WS₂和WSe₂中吸附能的趋势，从而实现低能耗、高稳定性的阻变器件的合理设计。

ABSTRACT

Two-dimensional (2D) transition metal dichalcogenides (TMDs) have recently been shown to demonstrate non-volatile resistive switching (NVRS), offering significant advantages such as high-density integration and low energy consumption due to their atomic-scale thinness. In this study, we focus on the adsorption and desorption of metal adatoms, which can modulate the electrical resistivity by several orders of magnitude. We develop material-based relationships of the adsorption energy with electronic and atomic structure descriptors by examining the effects of various transition-metal adsorbates on the surface of TMDs. Our results reveal that adsorption energies of transition metals exhibit consistent trends across different TMDs (MoS$_2$, MoSe$_2$, WS$_2$, WSe$_2$) and can be explained using simple descriptors of the atomic and electronic structure. We propose several models to describe this adsorption process, providing a deeper understanding of a crucial step in the resistive switching mechanism based on formation and dissolution of point defects. Finally, we connect our computed adsorption energies to the switching energy. These findings will help guide rational materials selection for the development of NVRS devices using 2D TMDs.

研究动机与目标

• 理解并预测过渡金属单原子在单层TMDs（MoS₂、MoSe₂、WS₂、WSe₂）上的吸附能，作为阻变能量的代理指标。
• 识别与不同TMDs和过渡金属之间吸附能趋势相关的材料描述符。
• 开发一种基于原子描述符的吸附能预测模型，无需进行完整的DFT计算。
• 将计算得到的吸附能与阻变存储器件中的开关能量关联，用于材料筛选。

提出的方法

• 采用密度泛函理论（DFT）计算，研究了30种过渡金属单原子在四种TMDs中预先存在的阴离子空位上的吸附能。
• 以相对于费米能级的d带中心作为关键电子描述符，解释吸附能趋势。
• 进行晶体轨道哈密顿布居（COHP）分析，量化单原子与S原子之间的成键和反键相互作用。
• 应用压缩感知（SISSO）方法，利用化合物描述符（吸附物和吸附位点的电离能、电负性和原子半径）推导预测模型。
• 将吸附能趋势与元素周期表中的族位置相关联，揭示了早期、中间和晚期过渡金属之间的系统性变化。
• 通过DFT数据验证预测模型，结果表明该模型无需额外的DFT计算即可捕捉吸附能的大部分变化。

Figure 1: (a) Periodic table highlighting the elements studied in this work. Adatoms investigated for adsorption on transition metal dichalcogenides (TMDs) are marked in green. The transition metal (M) and chalcogen (X) elements in the MX 2 configuration are highlighted in purple and yellow, respect

实验结果

研究问题

• RQ1 过渡金属单原子在不同单层TMDs（MoS₂、MoSe₂、WS₂、WSe₂）上的吸附能如何变化？
• RQ2 哪些电子和原子结构描述符能够解释TMDs中吸附能趋势的成因？
• RQ3 基于机器学习思想的压缩感知方法能否仅利用基本原子性质准确预测绝对吸附能？
• RQ4 d带中心和COHP分析如何揭示吸附位点化学键的本质？
• RQ5 吸附能与阻变存储器件中的开关能量之间存在何种关系？

主要发现

• 吸附能随过渡金属的周期表族位置系统性变化：早期过渡金属（Hf、Zr、Ti）表现出最强吸附（如W的吸附能为-7.78 eV），而晚期过渡金属（Cu、Au、Ag、Zn、Cd、Hg）吸附最弱（如Cu的吸附能为-2.96 eV）。
• 相对于费米能级的d带中心是强有力的描述符，能够捕捉不同TMDs和单原子之间吸附能趋势的大部分特征。
• COHP分析显示，早期过渡金属与硫原子之间的成键作用最强，而晚期过渡金属则以反键特征为主导。
• 基于电离能、电负性和原子半径的压缩感知（SISSO）模型成功预测了绝对吸附能，且无需进行DFT计算。
• 铜（Cu）和镍（Ni）的吸附能较低（分别为-2.96 eV和-4.01 eV），适用于低能耗、可逆的阻变开关；而钨（W）和钼（Mo）具有高吸附能（-7.78 eV），有利于稳定、非易失性状态。
• 本研究为高通量数据库中缺陷的筛选提供了框架，可加速阻变、催化和传感领域新材料的发现。

Figure 2: Relaxed atomic structures of MoS 2 with (a) a single sulfur vacancy, (b) gold adsorbate, (c) platinum adsorbate, (d) zirconium adsorbate. The distances between the nearest neighbor molybdenum atoms in each structure are indicated.