百度360必应搜狗淘宝本站头条
当前位置:网站首页 > IT知识 > 正文

最近3篇PRL涉及交错磁性、滑移铁电和离子扩散

liuian 2024-12-03 16:33 21 浏览

1. Skyrmion Hall Effect in Altermagnets

https://doi.org/10.1103/PhysRevLett.133.196701

在此研究中,作者预测了具有零净磁化和零斯格明子电荷的新兴交错磁体中的斯格明子霍尔效应。首先证明了中性斯格明子在交错磁体中表现为磁四极矩。研究揭示了磁四极矩中隐藏的规范场,当受到自旋转移力矩的驱动时,它会引起斯格明子霍尔效应。有趣的是,当交换交错磁体中的各向异性交换耦合时,霍尔角会发生符号变化。此外,证明了交错磁斯格明子的速度和霍尔角都敏感地依赖于电流方向。这项研究发现证实了磁四极矩在驱动电荷消失的斯格明子霍尔效应中的关键作用,并为发现磁斯格明子之外中性准粒子的新霍尔效应铺平了道路。

图1 交错磁体中“中性斯格明子”霍尔效应的示意图
图2 固定交错磁体(ATM)交换刚度A2=10 pJ/m和层间交换常数A0=2 MJ/m3时,斯格明子速度随非绝热系数β (a)、电荷漂移速度u (b)和阻尼常数α (c)的变化;(d) 当参数u=100 m/s和A0=2 MJ/m3时,横向斯格明子速度差随|A2|的变化
图3 斯格明子速度随ATM交换刚度(a)和层间交换常数(b)的变化
图4 斯格明子速度(a)和霍尔角(b)随电流方向的变化
图5 由自旋-轨道矩(SOT)驱动的斯格明子速度(a)和霍尔角(b)随其螺旋度η的变化

2. Large Photoinduced Tuning of Ferroelectricity in Sliding Ferroelectrics

https://doi.org/10.1103/PhysRevLett.133.196801

在此研究中,作者通过从头计算研究了光激发如何影响二维范德华材料的滑移铁电性。选择菱方(3R)堆叠双层MoS2作为模型体系。光激发载流子和本征电子之间的相互作用可以以更精细的方式调节电子主导的极化。通过在宽范围内改变光通量,发现了光激发对滑移铁电的一个有趣影响:光激发在低通量水平下显著屏蔽了本征极化,而在更高通量水平下引入的额外光激发载流子有助于恢复减弱的极化。这种非平庸、非单调的趋势与常规的铁电氧化物不同,在常规的铁电氧化物中,随着光照的增加,极化趋于消失,非极性相更有利。

此外,当光通量达到临界值时,它会诱导从P3m1到Cm相的结构相变,同时伴随着M点声子模式的软化。这一发现以及最近在单质中发现的其他新的光诱导相,表明光激发可以诱导热激活无法实现的相变。与基态结构相比,瞬态Cm相的极化大小增强了5倍以上,表明光激发可以有效增强滑移铁电体的功能。这项研究将这种效应归因于与光下离子位移相关的结构起源和与光激发载流子分布相关的电荷起源。

图1 (a) 两个菱方堆叠双层MoS2结构的俯视图和侧视图;(b) 不同数量的光激发载流子nph下面外分量Pz的极化幅度;(c) 在不同nph下两种结构转换的能量路径
图2 (a) 不同nph下6个A1声子模式的面外离子位移投影;(b) 不同nph下Pz的结构和电荷贡献分量;(c-d) nph=0.2 e/u.c和0.8 e/u.c时的电子能带结构;(e-f) 在黑暗和nph=0.2 e/u.c时,单层MoS2与堆叠双层MoS2的差分电荷密度ρCDD
图3 (a) nph=0.9 e/u.c时声子色散;(b-c) 基于2×2重构的两个弛豫结构的俯视图和侧视图

3. Ionic Diffusion in CO2 Adsorption by Li4SiO4: Inert-Marker Experiment and DFT Calculations

https://doi.org/10.1103/PhysRevLett.133.198001

在此研究中,作者通过从头计算研究了光激发如何影响二维范德华材料的滑移铁电性。选择菱方(3R)堆叠双层MoS2作为模型体系。光激发载流子和本征电子之间的相互作用可以以更精细的方式调节电子主导的极化。通过在宽范围内改变光通量,发现了光激发对滑移铁电的一个有趣影响:光激发在低通量水平下显著屏蔽了本征极化,而在更高通量水平下引入的额外光激发载流子有助于恢复减弱的极化。这种非平庸、非单调的趋势与常规的铁电氧化物不同,在常规的铁电氧化物中,随着光照的增加,极化趋于消失,非极性相更有利。

此外,当光通量达到临界值时,它会诱导从P3m1到Cm相的结构相变,同时伴随着M点声子模式的软化。这一发现以及最近在单质中发现的其他新的光诱导相,表明光激发可以诱导热激活无法实现的相变。与基态结构相比,瞬态Cm相的极化大小增强了5倍以上,表明光激发可以有效增强滑移铁电体的功能。这项研究将这种效应归因于与光下离子位移相关的结构起源和与光激发载流子分布相关的电荷起源。

图1 (a) Li4SiO4的对角线切割和横截面图;(b) Li4SiO4吸附CO2时产物层中离子向内、混合和向外扩散模式的示意图
图2 Li4SiO4的 (a) N2吸附和脱附等温线,(b) 孔径分布和 (c) 比表面积、孔体积和孔径;(d) 吸附15天后干净Li4SiO4、未标记和Pt标记Li4SiO4的XRD结果
图3 (a-c) 背散射电子,(d-f) C映射和 (g-i) Pt映射图像的EPMA结果
图4 15天后Pt标记和未标记样品的比较:(a-c) 背散射电子图像,(d-f) Pt映射图像
图5 (a) Li2CO3的晶体结构示意图;(b) VO2?和VLi+的扩散路径示意图;(c-d) VO2?和VLi+迁移过程的能垒和过渡态

相关推荐

深入解析 MySQL 8.0 JSON 相关函数:解锁数据存储的无限可能

引言在现代应用程序中,数据的存储和处理变得愈发复杂多样。MySQL8.0引入了丰富的JSON相关函数,为我们提供了更灵活的数据存储和检索方式。本文将深入探讨MySQL8.0中的JSON...

MySQL的Json类型个人用法详解(mysql json类型对应java什么类型)

前言虽然MySQL很早就添加了Json类型,但是在业务开发过程中还是很少设计带这种类型的表。少不代表没有,当真正要对Json类型进行特定查询,修改,插入和优化等操作时,却感觉一下子想不起那些函数怎么使...

MySQL的json查询之json_array(mysql json_search)

json_array顾名思义就是创建一个数组,实际的用法,我目前没有想到很好的使用场景。使用官方的例子说明一下吧。例一selectjson_array(1,2,3,4);json_array虽然单独...

头条创作挑战赛#一、LSTM 原理 长短期记忆网络

#头条创作挑战赛#一、LSTM原理长短期记忆网络(LongShort-TermMemory,LSTM)是一种特殊类型的循环神经网络(RNN),旨在解决传统RNN在处理长序列数据时面临的梯度...

TensorBoard最全使用教程:看这篇就够了

机器学习通常涉及在训练期间可视化和度量模型的性能。有许多工具可用于此任务。在本文中,我们将重点介绍TensorFlow的开源工具套件,称为TensorBoard,虽然他是TensorFlow...

图神经网络版本的Kolmogorov Arnold(KAN)代码实现和效果对比

本文约4600字,建议阅读10分钟本文介绍了图神经网络版本的对比。KolmogorovArnoldNetworks(KAN)最近作为MLP的替代而流行起来,KANs使用Kolmogorov-Ar...

kornia,一个实用的 Python 库!(python kkb_tools)

大家好,今天为大家分享一个实用的Python库-kornia。Github地址:https://github.com/kornia/kornia/Kornia是一个基于PyTorch的开源计算...

图像分割掩码标注转YOLO多边形标注

Ultralytics团队付出了巨大的努力,使创建自定义YOLO模型变得非常容易。但是,处理大型数据集仍然很痛苦。训练yolo分割模型需要数据集具有其特定格式,这可能与你从大型数据集中获得的...

[python] 向量检索库Faiss使用指北

Faiss是一个由facebook开发以用于高效相似性搜索和密集向量聚类的库。它能够在任意大小的向量集中进行搜索。它还包含用于评估和参数调整的支持代码。Faiss是用C++编写的,带有Python的完...

如何把未量化的 70B 大模型加载到笔记本电脑上运行?

并行运行70B大模型我们已经看到,量化已经成为在低端GPU(比如Colab、Kaggle等)上加载大型语言模型(LLMs)的最常见方法了,但这会降低准确性并增加幻觉现象。那如果你和你的朋友们...

ncnn+PPYOLOv2首次结合!全网最详细代码解读来了

编辑:好困LRS【新智元导读】今天给大家安利一个宝藏仓库miemiedetection,该仓库集合了PPYOLO、PPYOLOv2、PPYOLOE三个算法pytorch实现三合一,其中的PPYOL...

人工智能——图像识别(人工智能图像识别流程)

概述图像识别(ImageRecognition)是计算机视觉的核心任务之一,旨在通过算法让计算机理解图像内容,包括分类(识别物体类别)、检测(定位并识别多个物体)、分割(像素级识别)等,常见的应用场...

PyTorch 深度学习实战(15):Twin Delayed DDPG (TD3) 算法

在上一篇文章中,我们介绍了DeepDeterministicPolicyGradient(DDPG)算法,并使用它解决了Pendulum问题。本文将深入探讨TwinDelayed...

大模型中常用的注意力机制GQA详解以及Pytorch代码实现

分组查询注意力(GroupedQueryAttention)是一种在大型语言模型中的多查询注意力(MQA)和多头注意力(MHA)之间进行插值的方法,它的目标是在保持MQA速度的同时...

pytorch如何快速创建具有特殊意思的tensor张量?

专栏推荐正文我们通过值可以看到torch.empty并没有进行初始化创建tensor并进行随机初始化操作,常用rand/rand_like,randint正态分布(0,1)指定正态分布的均值还有方差i...