新加坡国立大学与中国杭州电子科技大学的研究团队通过高通量计算与机器学习相结合的方法，在二维铁磁与多铁性材料领域取得重要突破。该研究发表于《npj计算材料》期刊，揭示了过渡金属氧/氮卤化物（TMBXs）家族中78种铁磁单层材料，其中38种的居里温度（TC）超过200K，显著扩展了二维磁性材料的已知范畴。

研究团队构建了包含672种TMBX单层的材料数据库，通过第一性原理计算筛选出具有铁磁性的体系。机器学习分析表明，次近邻交换相互作用（J2）对TC起主导作用。值得注意的是，7种材料同时展现出铁磁性与面内铁电极化特性，构成多铁性体系。以MoNF为例，其铁电相与反铁电相的极化切换能垒仅为55meV/f.u.，展现出独特的极化调控机制。

在自旋输运模拟中，基于CrNF/CrSBr异质结的器件表现出近乎完美的自旋过滤效率（~100%）和高达10^6%的隧道磁电阻。这种优异的物理特性使其成为下一代自旋电子器件的理想候选材料。研究还发现，TMBX家族的磁易轴方向具有多样性，为设计多功能磁电器件提供了新思路。

该成果通过高通量计算与机器学习相结合，系统揭示了TMBX材料的磁电耦合机制，为实验合成高性能二维多铁性材料奠定了理论基础。研究提出的TC预测模型（RMSE=33.59K）和极化切换路径分析方法，为二维材料的多尺度研究提供了新范式。