English(EN) Ab initio Modeling of MoS2/Oxide Device Interfaces with Machine Learned Electronic Structures

新的机器学习方法将半导体器件模拟速度提升10,000倍

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-31 04:00

研究人员开发了一种新颖的半导体器件模拟方法，将机器学习电子结构模型与量子输运求解器相结合。该新框架提供了显著的加速，比传统的密度泛函理论快10,000倍，能够模拟超过20,000个原子的器件，同时保持高精度。该方法应用于研究基于二硫化钼（MoS2）的场效应晶体管，揭示了半导体-氧化物界面处配位不足的金属原子对电子电流有关键影响。 AI

影响这种加速模拟技术可以加快新半导体器件的发现和设计。

排序理由该集群包含一篇详细介绍材料科学研究新计算方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 14 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇详细介绍材料科学研究新计算方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, infra; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Manasa Kaniselvan, Mauro Dossena, Denghui Lu, Alexander Maeder, Nicolas Vetsch, Alexandros Nikolaos Ziogas, Mathieu Luisier · 2026-08-31 04:00

基于机器学习电子结构的MoS2/氧化物器件界面的从头计算模拟

arXiv:2608.27533v1 Announce Type: cross Abstract: We introduce a new ab initio approach to simulate semiconductor devices that integrates scalable machine-learned (ML) electronic structure models with an advanced quantum transport (QT) solver. The developed framework enables 10,0…

本文如何被排名

报道来源 [1]

基于机器学习电子结构的MoS2/氧化物器件界面的从头计算模拟

相关实体

相关话题