在2D材料中,二硫化物MX₂（M=Ge,Sn,X=S,Se）因其突出的光电特性而受到广泛关注。实验中,利用机械剥离法和化学气相沉积（CVD）成功制备了二维MX₂（M=Ge,Sn;X=S,Se）。之前的研究表明,二维Sn S₂可以作为传感器的材料,Sn Se₂作为钠离子的电极材料,Ge S₂可用作紫外探测仪器,少层Ge Se₂具有较高的光学响应率,在光电探测器中具有潜在的应用前景。本文首先针对双硫族化合物（Ge Se₂、Sn Se₂、Ge S₂、Sn S₂）基于密度泛函的第一性原理计算方法开展了研究。在这四种化合物中分别提出的AA-、AB-、AC-和AD-MX₂双层结构。结果表明,4种MX₂（M=Ge,Sn,X=S,Se）结构的AB叠加是稳定的,且均存在间接带隙。此外,双分子层MX₂材料在紫外区到近红外区域具有优异的吸收性能。光学吸收系数可达10⁵ cm^-1数量级。我们还发现,与单层MX₂相比,双层MX₂具有更高的载流子迁移率。双层结构的空穴迁移率有效提高到10³cm²V^-1s^-1。通过施加双轴应变和垂直电场可以有效地调节其带隙。随着压缩应变的增大,双层Ge S₂的带隙逐渐减小。当双层Ge S₂的应变达到4.5%时,从半导体向金属过渡。而双层Sn S₂的带隙随着电场的增大而减小。在0.25V/?,的电场作用下,双层Sn S₂也表现出从半导体向金属的过渡。计算研究表明DFT计算虽然比较准确,但是计算周期较长,资源浪费较大,在本论文中将机器学习与DFT计算结合,预测了Mo S_2（1-x）Se_2x结构带隙和结合能随着Se原子浓度的变化情况,主要采用了多元线性回归和随机森林两种模型进行带隙和结合能的预测。通过误差分析我们发现多元线性回归预测性能优于随机森林模型。因此采用多元线性回归模型得到Mo S_2（1-x）Se_2x系统的预测带隙和结合能。通过预测结果发现随着硒浓度的增加带隙呈减小趋势,而结合能则呈现增大的趋势。我们运用机器学习方法针对二维材料的性能进行预测,虽然二维材料的性质受到很多因素的影响,但是通过不断筛选特征量和对模型的优化,我们能够相对准确的预测二维材料的带隙。