P-V loops dataset

该数据集由法国里昂国立应用科学学院等机构的研究团队创建，旨在研究Hf0.5Zr0.5O2（HZO）薄膜的结构与电性能之间的关联。数据集包含10,000条通过相场模拟生成的P-V回线数据，涵盖了晶粒尺寸、极性晶粒比例、晶体取向等关键材料参数的变化。数据集的生成过程基于高精度的相场模拟，通过系统性地改变材料参数来捕捉HZO薄膜的电性能变化。该数据集主要用于铁电纳米电子器件的材料设计与优化，特别是通过变分自编码器（VAE）进行结构-性能关系的解耦和逆向设计，以优化器件的关键性能指标，如矫顽场、剩余极化和回线面积。

This dataset was created by a research team from institutions including the National Institute of Applied Sciences of Lyon, France, aiming to investigate the correlation between the structure and electrical properties of Hf0.5Zr0.5O2 (HZO) thin films. The dataset contains 10,000 sets of P-V hysteresis loop data generated via phase-field simulations, covering variations in key material parameters such as grain size, proportion of polar grains, and crystal orientation. The dataset was generated through high-precision phase-field simulations, where material parameters were systematically adjusted to capture the changes in the electrical properties of HZO thin films. This dataset is primarily intended for material design and optimization of ferroelectric nanoelectronic devices, particularly for decoupling structure-performance relationships and performing inverse design via Variational Autoencoder (VAE) to optimize key device performance metrics including coercive field, remanent polarization, and loop area.

搜集汇总

数据集介绍

构建方式

P-V loops数据集的构建基于相场（PF）模拟，通过系统变化关键材料参数如晶粒尺寸、极性晶粒比例和晶体取向，生成了高保真度的铁电材料Hf0.5Zr0.5O2（HZO）薄膜的P-V回线数据。利用Voronoi镶嵌技术生成二维多晶结构，模拟了不同材料参数组合下的电学行为，并通过变分自编码器（VAE）将这些复杂的回线数据编码到低维潜在空间中，以揭示材料参数与电学性能之间的复杂关系。

特点

该数据集的特点在于其高维度和复杂性，涵盖了广泛的材料参数组合及其对铁电性能的影响。通过VAE的编码，数据集能够有效捕捉P-V回线的关键特征，如矫顽场、剩余极化和回线面积，并将这些特征与材料的结构参数（如晶粒尺寸和晶体取向）进行关联。此外，数据集还展示了VAE在潜在空间中对材料参数的解耦能力，使得研究者能够更直观地理解材料结构与性能之间的关系。

使用方法

P-V loops数据集的使用方法主要包括通过VAE进行材料参数的逆向设计。研究者可以利用VAE的潜在空间，生成具有特定电学性能的P-V回线，并通过高斯过程（GP）模型预测相应的材料参数。这种方法为铁电器件的优化设计提供了系统化的途径，能够根据特定应用需求（如降低矫顽场或提高剩余极化）调整材料参数，从而实现器件性能的定制化设计。此外，数据集还可用于训练其他机器学习模型，以加速铁电材料的性能预测和优化。

背景与挑战

背景概述

P-V loops数据集由法国里昂国立应用科学学院（INSA Lyon）的研究团队于2025年创建，旨在揭示Hf0.5Zr0.5O2（HZO）薄膜的多晶结构与电学性能之间的复杂关联。HZO薄膜因其与CMOS技术的兼容性及在超薄薄膜中表现出的铁电性，被视为下一代纳米电子器件的有力候选材料。然而，HZO薄膜在实际应用中面临唤醒效应、疲劳效应和印记效应等挑战，这些现象与纳米尺度的结构特征（如晶界、相异质性和局部缺陷）密切相关。通过结合相场（PF）建模与变分自编码器（VAE），该数据集成功构建了高保真的P-V回线数据，为理解多晶HZO的结构-性能关系提供了重要工具。

当前挑战

P-V loops数据集在构建和应用过程中面临多重挑战。首先，HZO薄膜的电学性能与其多晶结构之间的关联具有高度非线性和复杂性，传统的分析方法难以有效捕捉这些关系。其次，相场建模虽然能够生成高保真的P-V回线数据，但其计算成本高昂，尤其是在大规模数据集生成时。此外，变分自编码器（VAE）在低维潜在空间中解耦复杂材料参数的能力虽然强大，但其训练过程需要大量高质量数据，且模型的可解释性仍需进一步提升。最后，如何从潜在空间中精确恢复材料参数以实现逆设计，仍是一个亟待解决的技术难题。

常用场景

经典使用场景

P-V loops数据集在铁电材料研究中具有重要应用，尤其是在Hf0.5Zr0.5O2（HZO）薄膜的电学性能分析中。通过相场模拟生成的高保真P-V回线数据，研究人员能够系统地研究晶粒尺寸、极性晶粒比例和晶体取向等关键材料参数对铁电性能的影响。该数据集为理解多晶HZO薄膜的结构-性能关系提供了基础，特别是在铁电存储器和逻辑器件中的应用。

实际应用

P-V loops数据集在实际应用中具有广泛前景，特别是在铁电场效应晶体管（FeFET）和神经形态计算器件中。通过该数据集，研究人员能够优化铁电薄膜的极化特性，如矫顽场、剩余极化和回线面积，从而提高器件的性能和可靠性。例如，在FeFET中，通过调整晶粒尺寸和极性晶粒比例，可以显著降低漏电流并提高界面质量，从而增强器件的耐久性和保持特性。

衍生相关工作

P-V loops数据集衍生了许多经典研究工作，特别是在铁电材料的机器学习和相场模拟领域。基于该数据集的研究推动了变分自编码器在材料科学中的应用，展示了其在揭示材料参数与电学性能之间复杂关系中的潜力。此外，该数据集还促进了铁电材料的逆向设计方法的发展，使研究人员能够通过潜在空间探索优化材料参数，从而设计出具有特定性能的铁电器件。