外观
Lesson 13 磁性材料 & 拓扑绝缘体
约 601 字大约 2 分钟
2025-12-17
—— Wanjun JIANG
2024 年的 Nobel Prize 实际上是一个来自于「自旋玻璃」的神经网络理论. 自旋玻璃指的是在非磁性原子中掺杂少量的磁性原子,那么磁性原子因为量很少,无法形成长程序,只能存在随机的短程相互作用. 在这个基础上,Hopfield 发展了神经网络.
磁学的研究手段:离子注入、电荷流、电场、温度场、应力、自旋流、磁场、光场……
传统的磁性材料的 Hamiltonian 是
H=⟨ij⟩∑−JSi⋅Sj−l∑B⋅Sl
前一项是相互作用能 (Heisenberg 给出),后一项是 Zeeman 能. 现在人们研究的材料还多了一项
Dij⋅(Si×Sj)
这一项给出手性的磁相互作用.
磁性斯格明子在空间不均匀的电流下,在磁性多层膜中能够不断产生,类似于液滴,每一个斯格明子想要达成最小的表面能,所以表现出分离的粒子特性.
斯格明子在磁性薄膜中运动,会受到类似马格努斯力的作用,产生非对称的偏转.
—— Tian LIANG
注意
英语授课.
经典半导体的出现,让原来的大型计算机的晶体管被缩小为现在非常小体积的 CPU,现在的芯片大小已经越来越小. 但是拓扑绝缘体作为量子材料,能够 10 亿倍地提升计算能力.
考虑理想情况下一个无穷大的材料,那么可以计算出二维的 Bulk state;但是如果做一个截断,也就是给一个边缘,那么整体的电荷守恒不能被满足,这是 bulk state 给出的计算结果. 为了 restore 电荷守恒,要引入边缘态 edge state,两者的电荷变化率相等.
电荷变化率相等的条件给出了一个特定的数量关系,这被称为拓扑保护 —— 在扰动情况下,这些数值条件仍然要被满足,因此某些能带结构中的交点是不会改变的.
更新日志
2025/12/17 18:12
查看所有更新日志
6de2b-feat(note): add note于
