3.1材料结构、王先相变及缺陷的分析2017年6月，王先Isayev[4]等人将AFLOW库和结构-性能描述符联系起来建立数据库，利用机器学习算法对成千上万种无机材料进行预测。
铁电存储器件使用期间，生最需要在循环电场下保持稳定。但是，乐购现有的综述大多是关于HfO2铁电性能及器件物理的，几乎没有综述侧重于HfO2结构演化与性能调控的关系。
示意图1 HfO2薄膜在不同生长参数或外部激励作用下的相结构演化与铁电性能©2022TheAuthors二、王先【成果掠影】近日，王先澳大利亚悉尼大学廖晓舟教授（共同通讯作者）课题组的博士研究生赵豆（第一作者），和香港理工大学陈子斌助理教授（共同通讯作者）在国际期刊Microstructures上发表了题为MicrostructuralevolutionandferroelectricityinHfO2 films的综述。不同取向的钇（Y）掺杂的HfO2薄膜可以外延在ITO/YSZ衬底上，生最HZO薄膜可以外延在LSMO/STO衬底上。而在HfO2铁电薄膜中，乐购循环电场会先引起Pr增强，称为唤醒效应（wake-up），再引起Pr退化，到达电疲劳（fatigue）状态，见图4。
总体而言，王先外延薄膜一般是取向均一的单相，王先且内部晶界数目少，见图6，这有利于减少多晶薄膜中因相变而致的唤醒效应及晶界处氧空位富集而导致的疲劳效应，见表2。图6 HZO外延膜结构及薄膜与衬底LSMO/STO的外延取向关系 ©2022TheAuthors表2. 多晶和外延HfO2薄膜铁电性能对比 ©2022TheAuthors五、生最【成果启示】最后，生最作者展望了HfO2铁电薄膜研究中仍存在的科学问题。
这个问题最终被中科院微电子所的研究人员突破，乐购他们利用球差校正的扫描透射电子显微镜（STEM），乐购分别通过高角环形暗场（HAADF）及环形明场(ABF)成像技术，实现锆（Zr）掺杂的HfO2（Hf0.5Zr0.5O2，HZO）薄膜铁电相的Hf/Zr及O原子阵列成像，见图1（d-e）,确定了Pca21相是其中一种铁电相。
三、王先【核心创新点】√ 从结构–性能一体的角度,总结了HfO2薄膜中不同微结构特征与铁电性的对应关系√ 生长参数/外部激励对于HfO2薄膜内部微结构演化的作用规律四、王先【数据概览】要点一HfO2薄膜铁电相鉴别由于HfO2的热力学稳定相均为中心对称的晶体结构，最初在HfO2薄膜中观测到铁电性似乎是一件不可思议的事情。生最这就是最后的结果分析过程。
然后，乐购采用梯度提升决策树算法，建立了8个预测模型（图3-1），其中之一为二分类模型，用于预测该材料是金属还是绝缘体。作者进一步扩展了其框架，王先以提取硫空位的扩散参数，王先并分析了与由Mo掺杂剂和硫空位组成的不同配置的缺陷配合物之间切换相关的转换概率，从而深入了解点缺陷动力学和反应（图3-13）。
目前，生最机器学习在材料科学中已经得到了一些进展，如进行材料结构、相变及缺陷的分析[4-6]、辅助材料测试的表征[7-9]等。乐购（f,g）靠近表面显示切换过程的特写镜头。
