美国马里兰大学巴尔的摩分校(UMBC)研究团队在《材料化学》期刊发表创新成果，开发出一套预测新型二维铁电材料的数据驱动方法。该研究由化学博士生彭岩和助理教授约瑟夫·贝内特共同领导，有望为下一代电子设备研发提供关键材料支持。

研究团队聚焦范德华层状磷硫族化合物，通过结合数据挖掘、量子结构图分析和计算机建模，建立了材料预测新体系。"我们开发了化学设计规则来预测这些材料，"彭岩表示。该方法成功识别出83种潜在候选材料，其中部分已在实验室成功合成验证。

该研究突破主要体现在：

建立材料特性与原子参数的关联模型

开发自动化分类筛选算法

实现理论预测与实验验证的有效衔接

贝内特教授指出："这种方法就像拥有未开发材料的配方书，能显著节省研发时间。"预测材料在非易失性存储器、微型传感器等领域具有应用潜力。团队下一步将采用高通量计算模拟深入分析材料特性，并与马里兰大学帕克分校合作推进实验研究。

更多信息： Peng Yan 等，《数据驱动的二维范德华层状磷硫族化合物的发现》，《材料化学》(2025)。期刊信息： 材料化学