量子探针：闪烁噪声 | 前沿快讯No.24

Original 中国物理学会中国物理学会 2022-10-21

收录于合集 #前沿快讯 33个

快讯

量子闪烁噪声

阴极结构退化起源

自监督图神经网络

原子和分子结中的量子闪烁噪声

闪烁噪声自然界中最普遍的噪声，也可以在实验中产生并获得了广泛研究。然而，散粒噪声实际上是量子输运和相关多体效应基本表征中的主要噪声。由于散粒噪声的信号相对较小，因此在测量散粒噪声方面存在挑战。具体来说，在量子相干导体中，电子电导和发射噪声测量的结合已被广泛地用于提取有关量子输运的信息。例如，这些测量在分数量子霍尔效应、近藤效应、自旋极化量子输运、电子-声子相互作用的分析中起着核心作用，并揭示了局部原子结构对原子结和分子结电导的影响。电子散粒噪声是一种有用的信息来源，因为它依赖于传输信道的分布，而这决定了朗道框架下的量子输运。散粒噪声和电导可以提供关于量子导体中传输信道分布的信息，并可以探索量子器件中的多体相互作用。电子闪烁噪声已经在各种纳米尺度的系统中被测量过，包括原子结和分子结。然而，尽管这些通道发挥着重要的作用，表现在这种噪声和传输信道的分布之间的关系上闪烁噪声的量子性质，尚未在实验或理论上得到检验。

本文作者魏茨曼科学研究所Ofir Shein-Lumbroso等报告了纳米导体中含有量子传输的有价值的信息的电子闪烁噪声的量子形式。这种噪声在原子和分子结中采用实验识别，并通过考虑涨落散射引起的量子干涉进行了理论分析。使用电导、散粒噪声和闪烁噪声测量，发现量子闪烁噪声唯一地依赖于传输信道的分布，这是量子导体的一个关键特征。到目前为止，量子导体和多体量子效应基本性质探测探针一般是由实验上不易获得的散粒噪声所完成，这种依赖性为闪烁噪声在该方面的应用开辟了新的方向。

相关研究成果以Quantum Flicker Noise in Atomic and Molecular Junctions为题，发表在《物理评论快报》 Physical Review Letters 128 237701 (2022)上。

原文链接：

https://journals.aps.org/prl/pdf/10.1103/PhysRevLett.128.237701

富锂层状氧化物阴极结构退化起源

富锂和锰阴极材料同时利用阳离子和阴离子的氧化还原，可以显著增加电池的能量密度。然而，电压衰减问题会导致持续的能量损失并阻碍商业化，造成这一现象的先决条件驱动力仍然是个谜。虽然已经建立了几种流行的电压衰减理论，包括过渡金属迁移、过渡金属价态还原和不可逆相变，电压衰减最终被归因于晶格氧的热力学不稳定性和氧的释放。前期的研究努力寻求不同的解决方案来提高晶格氧的稳定性，这些方法的有效性受到限制，并且这个问题至今仍未得到解决。这种困境引起了人们开始怀疑热力学不稳定性是否是富锂和锰阴极电压衰减的控制先决条件。

本文作者阿贡国立实验室Tongchao Liu等采用原位纳米尺度敏感的相干X射线衍射成像技术，揭示了纳米应变和晶格位移在细胞运行过程中的不断积累。证据表明，这一效应是结构降解和氧损失的驱动力，触发了富锂和锰阴极中众所周知的快速电压衰减现象。通过进行对原子结构、初级粒子，多粒子和电极能级的微观到宏观尺度的表征，证明了富锂和锰阴极的非均匀性不可避免地会导致有害的相位位移/应变，而这些不能通过传统的掺杂或涂层方法来消除。因此，作者提出了一种介观结构设计作为减轻晶格位移和非均匀电化学/结构演化的策略，以实现稳定的电压和容量特性。这些结果突出了晶格应变/位移在引起电压衰减中的作用，并激发释放了富锂和锰阴极材料大规模商业化的潜力。

相关研究成果以Origin of structural degradation in Li-rich layered oxide cathode为题，发表在《自然》 Nature 606 305-312 (2022)上。

原文链接：

https://www.nature.com/articles/s41586-022-04689-y

自监督图神经网络准确预测奈尔温度

反铁磁材料是一类令人感兴趣的量子材料，在凝聚态理论中具有丰富的物理应用价值。在理论方面，反铁磁材料是高温超导、自旋液体、量子反常霍尔效应和拓扑轴子绝缘子等一系列物理现象的母体材料。在应用方面，反铁磁材料可用于实现自旋阀、巨磁阻效应、室温电开关、快速磁矩动力学等自旋电子学现象。反铁磁材料最关键的参数是奈尔温度，它标志着反铁磁有序转变，类似于铁磁体的居里温度。奈尔温度实验测定通常需要很长时间和很高的成本，因此用分析或数值方法进行的理论预测是非常重要的。一般而言，写出与反铁磁材料相对应的微观哈密顿量，并确定磁性相互作用的类型和强度，是相当繁琐且具有挑战性。最普通的理论方法都是基于平均场理论，但由于临界点附近的长度标度发散，通常不是很有效。量子蒙特卡罗方法存在着众所周知的负号问题，而有力的张量网络方法在处理二维和更高维有限温度下的物理性质则存在困难。因此，开发能够准确有效地预测奈尔温度的方法具有重要意义。

本文作者重庆邮电大学孔建刚等利用大规模未标记数据集上的自监督图神经网络训练，提出了一种提取高阶材料表示的新策略。根据降维分析，发现学习到的关于元素和磁性的认知转移到生成的原子向量表示。与常用的手工构造描述符和晶体图卷积神经网络比较，自监督材料表示可以获得更准确和有效的奈尔温度模型，同时训练后的模型可以成功预测高温度反铁磁材料。这种自监督图神经网络可以作为各种材料属性的通用预训练框架。

相关研究成果以Self-Supervised Graph Neural Networks for Accurate Prediction of Neel Temperature为题，作为亮点文章Editors’ suggestion发表在《中国物理快报》Chinese Physics Letters 39 067503 (2022)上。

原文链接：

http://cpl.iphy.ac.cn/10.1088/0256-307X/39/6/067503#1

编译：不言

排版：不言

美编：农民

责编：理趣

编者按

中国物理学会官方微信公众号本着“传播科学精神，服务科研工作者”的宗旨，特开设“前沿快讯”栏目，选录近期发表的前沿文章，对文中摘要和引言进行中文导读。由于译者水平有限，难免出现不准确之处，请通过留言批评指正。留言经编辑确认后，将及时进行勘误说明，供后来浏览者参考。

往期快讯

电磁超材料：水波极化子 | 前沿快讯No.23

锡烯：拓扑与超导电性共存 | 前沿快讯No.22

黑洞阴影 | 前沿快讯No.21