清华新闻网10月15日电 面向AI算力先进封装、高速光通信、相控阵雷达T/R组件等高端应用场景，芯片电容作为关键无源器件，对核心介质材料提出兼具高介电常数（κ）、低介质损耗（tanδ）与近零介电温度系数（TCκ）的综合性能要求。介电常数决定器件容量密度，介质损耗体现能量耗散程度，介电温度系数表征电容的温度稳定性。三项性能协同，是实现先进芯片电容微型化与高性能化的关键基础。然而，高介电极化往往易伴随更显著的温漂与损耗升高；如何从材料本征结构层面实现高极化、低损耗与热稳定性的协同调控，是高κ介质材料领域亟待突破的核心科学与工程应用问题。

近日，清华大学材料学院教授林元华院士团队与合作者首次提出分层机器学习策略，贯通“结构筛选—因子识别—器件验证”：先在候选氧化物家族中锁定钨青铜结构，再由Bi/Ge协同取代调控局域极化，最终获得介电常数约185、介质损耗＜0.0005、介电温度系数约-22 ppm℃^-1的综合性能。基于该材料制备的芯片电容原型器件，较国际厂商同类产品体积缩小约85%，展现出工程应用潜力。

针对电介质材料数据样本有限、专业先验知识丰富、特征构建依赖领域知识等特点，研究团队首次提出了一种分层架构机器学习方法，在保留物理可解释特征的同时提升预测能力，并建立了面向高κ、近零TCκ介质筛选的材料信息学框架（图1）。团队分别构建了针对不同目标的专业介电数据集，通过引入Clausius–Mossotti、Phillips–Van Vechten–Levine等经典物理先验，构建全局/局域结构特征；经相关性筛选与降维后，以可解释且稳健的回归模型建立构效关系，并开展大规模虚拟结构筛选。研究团队同时发布了介电材料专业领域首个AI⁺（人工智能⁺）数据与计算平台（https://www.dielectronet.cn/），通过集成机器学习逻辑算法与结构特征分析等功能，加速下一代先进电介质材料与功能陶瓷研发。

图1.分层多目标机器学习工作流程。从数据集构建、全局结构筛选到局部特征排序和实验验证，机器学习模型用于识别兼具高介电常数和近零温度系数的候选结构

针对高温热膨胀引起的极化率稀释及其对高κ介电材料温度稳定性的本质制约，研究团队结合高温原位原子分辨HAADF-STEM、DFT、变温Raman与EXAFS等测试，从实空间原子构型、晶格动力学与局域配位演化三个层面，系统阐释了BNBGT高介电常数与高温度稳定性的协同起源。综合实验与计算结果表明，Ge在M位形成强而具共价性的Ge–O键；升温过程中，Ge–O键经桥氧位点引发电荷重分布与应变耦合，驱动Ti/Ge–O八面体协同倾转，并促进Bi等A位阳离子产生更强的离中心位移。该额外的离子极化贡献补偿了晶格膨胀通常导致的介电极化率稀释，使材料宏观介电温度系数趋近于零（图2）。

图2.BNBGT的温度依赖结构演化。(a)室温与(b)高温下的原子分辨HAADF-STEM成像；(c)DFT模拟的热膨胀诱导结构演化

器件层面，研究团队联合广东风华高新科技股份有限公司付振晓博士、杨曌博士，研制出多容量规格芯片电容原型器件，器件温度特性满足EIA C0G/NP0标准，完成新材料到芯片电容的工程验证（图3）。相较于国际同类型商用对标产品，原型器件在维持高κ、低损耗与近零温度系数优势的同时大幅缩小电子元器件体积，为高密度算力芯片集成、终端设备小型化提供器件级实现路径。电学测试表明，该器件在GHz宽频下电容稳定，频率响应一致性良好；耐久性与可靠性验证证明其工程应用可行，兼具高容值、高精度及高可靠特性。

图3.单层芯片电容原型器件及其性能对比。(a)器件结构示意图，标记所示为1pF C0G微型芯片电容原型器件；(b)介质材料关键性能对比

相关研究成果以“适用于微型电容器的温度稳定型高κ介电氧化物”（Temperature-stable high-κ oxides for miniaturized capacitors）为题，于10月6日在线发表在《自然·电子》（Nature Electronics）。

北京清华前沿交叉创新研究院副研究员戚俊磊、清华大学材料学院2023级博士生陈怡颖、中国科学院上海硅酸盐研究所博士后秦锦成、河南理工大学副教授魏宾、北京大学深研院研究员潘豪为论文的共同第一作者；香港城市大学教授张树君、林元华院士为论文的共同通讯作者。其他重要合作者包括中国科学院上海硅酸盐研究所研究员刘志甫、副研究员傅正钱和胡腾飞，广东风华高新科技股份有限公司付振晓、杨曌，清华大学材料学院南策文院士。

本研究工作获得了国家自然科学基金委、河北清华发展研究院概念验证项目、国家重点研发计划及香港Start-Up资助计划支持。

论文链接：

https://www.nature.com/articles/s41928-026-01721-1

供稿：材料学院

编辑：李华山

审核：王晓霞