消除Twistronics猜测

  • A+

消除Twistronics中的猜测

自2018年首次发表实验验证以来,全世界的研究人员一直在探索这个迅速扩展的凝聚态物理和材料科学子领域。但是,当有数百万种不同的方式堆叠和扭曲诸如石墨烯之类的二维材料层时,您如何知道哪种方式会产生有趣的特性?

那是哈佛大学约翰·保尔森工程与应用科学学院(SEAS)和物理系最近发表的两篇研究论文的所在。SEAS研究学者Georgios Tritsaris的第一作者,与Efthimios研究组Kaxiras,物理学系的纯粹与应用物理学教授John Hasbrouck Van Vleck以及SEAS应用计算科学研究所所长,设计了一种计算系统,用于筛选扭曲的多层石墨烯叠层的扭曲角,从而发现可能有趣的电子学。属性。

该方法可以识别具有定制特性的纳米结构,从而有助于加速量子和其他技术的开发和商业化。

研究文章发表在二维材料和化学信息与建模杂志上。

这项研究基于该团队在材料建模和机器学习方面的专业知识,以及该团队在该新兴领域的先前工作,称为Twistronics。Katronas研究小组首先在层状石墨烯的早期理论研究中引入了扭转旋风这个术语。它是指通过在连续的层之间旋转来调整二维材料的电特性的能力。

Tritsaris说:“除了增加我们对任意层状石墨烯的理论知识外,一个重要的目标是最大程度地减少对耗时的反复试验的需求,因为在实验室中实现魔角配置仍然是一项艰苦的努力。” “我们想开发一个自动化系统,实验者,工程师或算法可以用来快速回答这个问题,这种分层配置是否有趣。”


为此,团队利用了有关这些材料的现有知识。材料的电性能取决于整个层中电子的能量如何随其动量而变化。关于扭曲构型是否会表现出有趣的电子现象的一个指标是,在存在其他电子时,单个电子的能量是否可以限制在一个狭窄的窗口内,从而在电子能级图上产生几乎平坦的带。

为了寻找给定配置的平坦带,研究人员使用超级计算机对电子的允许能量水平进行了精确计算,并结合了自动驾驶汽车中常用的计算机视觉算法来发现平坦物体,例如车道分隔线。研究团队使用该方法快速分类了多达十层的石墨烯堆栈。

Tritsaris表示:“通过自动化数据收集和分析,并使用机器学习来创建整个数据库的信息可视化,我们能够以一种资源有效的方式搜索魔角多层石墨烯堆栈。” “我们的简化方法还适用于石墨烯以外的二维分层材料。”

用于发现和优化材料的以数据为中心的方法已经在许多领域中使用,包括用于确定新药物靶标的药物,以及用于电视屏幕的新型有机发光二极管(OLED)的消费电子产品

“如何最好地利用数据挖掘和机器学习进行材料研究并不总是那么简单,因为研究人员经常处理稀疏和高维数据,解决方案往往是针对特定领域的。我们希望分享我们的发现以提高信心结合基于物理学的模型和数据驱动的模型,这对于二维材料领域的科学家和技术人员来说将是有趣而有用的。”


weinxin
我的微信
关注我了解更多内容

发表评论

目前评论: