第一作者：淡辉羽

通讯作者：杨亚研究员

通讯单位：中国科学院北京纳米能源与系统研究所

原文链接：https://doi.org/10.1038/s41467-026-74459-1

全文速览

该论文报道了一种利用极化翻转测量来区分本征热释电效应和界面热释电效应的新方法。针对传统热释电性能评估中因忽视肖特基界面贡献而导致本征效应被高估的问题，研究团队利用本征效应的可逆性与界面效应的不可逆性之间的差异，通过测量正负极化态下的热释电系数，实现了对两种效应贡献比例的区分。研究团队拓展了热释电能量品质因数（FoM）的计算公式，并构建了基于三个输入参数（剩余极化强度Pᵣ、介电常数εᵣ、内建势V_bi）的机器学习预测模型，可用于对铁电薄膜材料和电极进行快速筛选。这项工作为高性能热释电器件的材料筛选和电极优化提供了实用指南。

背景介绍

热释电装置在热能收集领域展现出与热电装置相当的竞争力，同时在热传感和热成像方面也具有重要价值。这两种机制的关键区别在于：热释电效应依赖于时间维度的温度变化，而热电效应依赖于空间维度的温度梯度。迄今为止，铁电薄膜材料的研究主要聚焦于本征热释电效应——温度变化导致材料极化强度改变，进而驱动电路中的电子流动。然而，近期发现的界面热释电效应为热释电效应研究开辟了新视角。与本征热释电效应不同，界面热释电效应源于材料与电极接触界面的肖特基势垒，依赖于介电常数、有效掺杂浓度和内建电势随温度的变化。铁电热释电材料固有地存在氧空位等缺陷，呈现弱半导体特性，易于在电极处形成肖特基结。遗憾的是，以往工作忽视了这一界面贡献，导致对材料本征热释电性能的高估。传统热释电能量品质因数FoM公式仅考虑本征贡献，导致计算结果失真。界面效应仅存在于电极下方的耗尽层中，而非贯穿整个铁电体。因此，准确确定FoM值需要区分两种效应的贡献比例。然而，目前尚缺乏区分两种效应贡献的有效方法。

研究出发点

本研究提出了一种区分策略，以解决热释电性能评估中的"本征-界面"热释电效应混淆难题。研究团队利用本征热释电电流可通过极化翻转实现方向反转，而界面热释电电流不可通过极化实现方向翻转这一特性，通过测量正负极化态下的热释电系数，提出了定量分离两种贡献的公式。基于该公式，研究团队在11种溶胶-凝胶法制备的铁电薄膜（统一采用LNO和ITO电极）上进行了系统验证。结果揭示：ITO/PTO/LNO器件中本征热释电效应占主导，而ITO/BTO/LNO器件中界面热释电效应占主导。进一步地，研究团队拓展了能量FoM计算公式，将界面贡献纳入考量，使计算精度提升19%-79%。最终，基于Pᵣ、εᵣ和V_bi三个输入参数构建的机器学习模型，预测了294种文献报道铁电薄膜的本征-界面比例，并提出了电极优化策略。

图1：本征和界面热释电效应的概念区分与测量原理

本征热释电效应源于铁电材料宏观极化Pᵣ，在电极处形成反向屏蔽电荷，等效于平行板电容器，温度变化ΔT改变极化强度，驱动电荷流动ΔQ₁并产生电压ΔV₁，电极间距等于铁电层全厚度。界面热释电效应则源于电极下方耗尽层，ΔT改变肖特基势垒高度，产生电荷ΔQ₂和电压ΔV₂，但实测电压因有效电极间距增大而偏离理论值。本征热释电电流可通过电学极化过程反转方向，而界面热释电电流保持不可逆且极性恒定。通过测量ITO/PTO/LNO和ITO/BTO/LNO在双极极化后的热释电系数，可定量提取两种效应的贡献比例。拓展的能量优值FoM（E’）与实验测量值吻合度显著优于传统公式（E），验证了其更高的准确度。

图2：区分本征与界面热释电贡献的实验方法

PTO和BTO铁电薄膜采用统一的电极构型（ITO/FE/LNO）和相近厚度（~100 nm），排除了尺寸效应引起的实验假象。PTO在初始态加热产生负向热释电流，-5.5 V极化后电流进一步增强，+5.5 V极化后电流反转极性且幅值大于-5.5 V态。相反，BTO在初始态加热产生正向热释电流，-7 V与+7 V极化态下电流幅值仅有微小变化。采用电流积分法计算等效热释电系数，通过公式计算了11种材料的本征-界面贡献比例。薄膜质量同时影响本征参数（Pᵣ、εᵣ）和外在参数（缺陷密度、V_bᵢ），进而同时调控两种效应对应的贡献。

图3：物理机制与能量品质因数FoM分析

本征热释电效应由剩余极化Pᵣ主导，界面热释电效应依赖于界面势垒高度V_bᵢ。铅基材料通常具有更高的剩余极化，钡基材料则表现出更大的内建势变化。ITO/PTO/LNO的Pᵣ显著大于ITO/BTO/LNO，且随温度升高而降低；ITO/BTO/LNO的Pᵣ几乎不随温度变化，但V_bᵢ变化幅度远大于PTO。PTO因铅的高挥发性呈弱P型半导体特性，ITO/PTO界面形成P型反阻挡层，LNO/PTO界面为欧姆接触。BTO因易形成氧空位呈弱N型特性，BTO/LNO界面形成N型肖特基势垒层。在-7 V极化态：本征与界面电流方向相反，产生补偿抵消；在+7 V极化态：二者同向流动，产生协同增强。11种材料体系的能量FoM值计算表明，拓展公式E′与实验测量值的一致性显著优于传统公式E。

图4：机器学习建模与应用

基于11种铁电薄膜的66组通道数据（每种6个独立通道），按70%训练集、15%验证集、15%测试集划分。输入参数为器件层面的Pᵣ、εᵣ和V_bᵢ，而非制备工艺本身。将294种文献报道材料的Pᵣ、ε_ᵣ、V_bᵢ输入模型，预测其本征-界面比例。统计分析揭示：非对称电极构型展现出更高的热释电系数和更大的界面贡献比例。在PTO基体系中，热释电系数超过1200 μC·m⁻²·K⁻¹的材料全部采用非对称电极构型。本研究提出双策略路径：(i) 选择最优电极材料作为衬底以获得优异薄膜结晶性并精确控制掺杂浓度，同时保持高剩余极化以保障本征贡献；(ii) 薄膜沉积后选择功函数差为0.4-0.6 eV的上电极材料以构建肖特基结，增强界面热释电效应。界面贡献比例呈现非单调优化特征，在中间范围内本征-界面协同耦合最大化时达到峰值性能。

总结与展望

本研究成功开发了一种基于极化翻转测量的通用方法，从根本上解决了铁电薄膜热释电性能评估中本征效应与界面效应难以区分的难题。通过利用本征效应的可逆性与界面效应的不可逆性，实现了对两种贡献比例的定量提取，并拓展了能量品质因数计算公式。基于三个输入参数（Pᵣ、ε_ᵣ、V_bᵢ）的机器学习模型，对294种文献材料进行了快速筛选，揭示了非对称电极构型对界面贡献和热释电系数的系统性增强作用。这项工作将界面工程确立为热释电器件设计的关键工程，促进下一代高性能铁电热释电薄膜材料的开发、优化电极配置和推进热能收集与传感应用。未来，通过更广泛的材料数据库扩充、多物理场耦合机制深入探究以及器件微型化等途径，该技术有望在高灵敏度热传感、废热能量回收和可穿戴热电器件等领域发挥更大作用。

课题组介绍

杨亚，中国科学院北京纳米能源与系统研究所研究员，博士生导师。在国际SCI杂志Nature Reviews Electrical Engineering、Joule、Nature Communications和Science Advances等发表学术论文300余篇。论文被引用总数3.1万余次，H指数为103 (Web of Science的数据)。在Nature Energy和Nature Electronics杂志发表News & Views评论性文章。已申请和授权的中国专利40余项。撰写并出版英文专著1部。获2018年国家自然科学二等奖和2023年重庆市自然科学二等奖。担任Nanoenergy Advances和Materials Science for Energy Technologies主编，InfoMat和Nano-Micro Letters等杂志编委或者委员，Nature、Nature Electronics、Nature Communications和Science Advances等期刊审稿人。主持或承担国家海外高层次人才计划、国家重点研发计划、国家自然科学基金、北京市杰出自然科学基金、中国科学院国际合作交流项目、国家电网和腾讯公司等基金课题。