1. Startseite
  2. Outreach
  3. Latest News
  4. Den Kreis schließen: Simulationen zeigen, warum eine kleine chemische Änderung das Dünnschichtwachstum neu formt

Den Kreis schließen: Simulationen zeigen, warum eine kleine chemische Änderung das Dünnschichtwachstum neu formt

Nebeneinander angeordnete atomistische Simulationsschnappschüsse zum Vergleich des Oberflächenwachstums auf einem Substrat: Das linke Panel zeigt eine dichte, gleichmäßige Bedeckung mit orange-goldenen Atomen; das rechte Panel zeigt rosafarbene Atome, die sich ungleichmäßig zu Inseln zusammenballen und dabei stellenweise das darunterliegende graue Gitter freilegen.
Die Abscheidereihenfolge verändert die SnSe-Morphologie drastisch – zinnreiche Bedingungen erzeugen isolierte Inseln (oben), während selenreiche Bedingungen ein durchgehendes Filmwachstum fördern. Bild: PDI

Bei der Molekularstrahlepitaxie können die Reihenfolge, in der Atome auf einer Oberfläche ankommen, sowie das genaue Verhältnis zwischen ihnen darüber entscheiden, ob ein Film als verstreute isolierte Inseln oder als glatte, durchgehende Schicht wächst. Eine neue Studie zeigt, warum das so ist, und verfolgt diese Empfindlichkeit für den geschichteten Halbleiter Zinnselenid (SnSe), gewachsen auf Magnesiumoxid (MgO), bis hin zum Verhalten eines einzelnen Zinn- oder Selenatoms nach dessen Landung.

Um zu verstehen, wie das Geschehen auf der Wachstumsoberfläche mit dem zusammenhängt, was später unter dem Mikroskop sichtbar wird, kombinierte das Team drei Ansätze. Kolleginnen und Kollegen an der Pennsylvania State University und am Georgia Institute of Technology züchteten SnSe-Filme mittels Molekularstrahlepitaxie und variierten dabei systematisch das Fluss-Verhältnis von Zinn zu Selen sowie die Reihenfolge, in der die beiden Elemente zugeführt wurden. Die atomistische Interpretation wurde vom PDI geleitet: Nadire Nayir, Leiterin der Gruppe Computational Materials Science, modellierte denselben Wachstumsprozess Atom für Atom mittels reaktiver Molekulardynamik und wandte unüberwachtes maschinelles Lernen auf die simulierten Oberflächen an, um Morphologietrends unabhängig von jeglichen menschlich vorgegebenen Kategorien herauszuarbeiten – eine Arbeit, die gemeinsam mit Wesley Reinhart und Adri van Duin an der Penn State durchgeführt wurde.

Die Simulationen führen dies auf eine einfache chemische Asymmetrie zurück. Selenreiche Bedingungen passivieren die wachsende Oberfläche und begünstigen ein seitliches Ausbreiten der Atome, während zinnreiche Bedingungen eine rasche Häufung von Zinnatomen zu höheren, dreidimensionalen Hügeln begünstigen. Eine Verschiebung des Fluss-Verhältnisses und der Abscheidereihenfolge verändert das Gleichgewicht zwischen diesen beiden konkurrierenden Verhaltensweisen, und die Simulationen reproduzieren denselben Übergang – von rauem Inselwachstum zu glatten Filmen –, der sich experimentell in den AFM-Aufnahmen zeigt.

Die Analyse mittels maschinellen Lernens liefert eine zweite, unabhängige Evidenzlinie. Angewandt auf Bilder, die direkt aus den Simulationsschnappschüssen erzeugt wurden, ganz ohne vorherige Kennzeichnung oder eingebaute physikalische Annahmen, verdichtet sie die Oberflächenmorphologien zu einer niedrigdimensionalen Darstellung, die dieselben Wachstumstrends erfasst, die sowohl in den Simulationen als auch in den Experimenten zu beobachten sind.

Dabei geht es um mehr als nur einen ordentlicheren Film. Die Rauheit von SnSe im Nanometerbereich bestimmt, wie stark es Ladungsträger und Phononen streut und wie stabil seine Domänen sind – Eigenschaften, die für elektronische Bauelemente und Energiebauelemente aus diesem Material unmittelbar relevant sind. Das hier entwickelte chemiegeleitete Bild bietet einen konkreten Ansatz, um diese Rauheit gezielt zu steuern.

Zusammengenommen schließen die Ergebnisse einen Kreis, der von den Wachstumsbedingungen über den atomistischen Mechanismus und die Morphologie bis zur im Labor beobachteten Struktur verläuft – und wieder zurück, um den nächsten Wachstumslauf anzuleiten. SnSe dient hier als Demonstrationsbeispiel, doch der zugrunde liegende Ansatz, der MBE mit reaktiver Molekulardynamik und unüberwachter Analyse verbindet, ist nicht auf dieses Materialsystem beschränkt. Nayirs Gruppe verfügt am PDI bereits über diese rechnergestützte Fähigkeit und ist offen dafür, sie auf andere Materialien, Grenzflächen, Abscheideprozesse und Wachstumsfragestellungen im gesamten Institut auszuweiten. Ein weiterer Ansatz zur rechnergestützten Steuerung der Filmdicke befindet sich bereits in Vorbereitung.


Titel: Local Chemistry-Guided Molecular Beam Epitaxy Growth of SnSe on MgO via Combined ReaxFF Modeling and Machine Learning 
Autoren: M. Wang, I. A. Moses, J. R. Chin, Q. Zhang, M. Hilse, S. Law, L. M. Garten, W. F. Reinhart, N. Nayir, A. C. T. van Duin 
Quelle: ACS Appl. Mater. Interfaces 18 (33), 45729–45741 (2026)
DOI: 10.1021/acsami.6c08764

Dieser Text wurde mithilfe von KI übersetzt.