研究:超导在魔角石墨烯中打开和关闭

发布时间:2023-01-31 21:28:30 编辑: 来源:
导读 通过一些仔细的扭曲和堆叠,麻省理工学院的物理学家揭示了魔角石墨烯的一种新的奇特特性:超导性,可以用电脉冲打开和关闭,就像电灯开关一

通过一些仔细的扭曲和堆叠,麻省理工学院的物理学家揭示了“魔角”石墨烯的一种新的奇特特性:超导性,可以用电脉冲打开和关闭,就像电灯开关一样。

这一发现可能会导致用于神经形态器件的超快,节能超导晶体管 - 设计为类似于人脑中神经元快速开/关放电的电子设备。

魔角石墨烯是指石墨烯的一种非常特殊的堆叠 - 一种由碳原子制成的原子薄材料,这些碳原子以类似于鸡丝的六边形图案连接。当一片石墨烯以精确的“魔术”角度堆叠在另一片石墨烯上时,扭曲的结构会产生略微偏移的“摩尔纹”图案或超晶格,能够支持许多令人惊讶的电子行为。

2018年,麻省理工学院的Pablo Jarillo-Herrero和他的团队首次展示了魔角扭曲双层石墨烯。他们表明,当他们施加一定的连续电场时,新的双层结构可以表现为绝缘体,就像木材一样。当他们提高磁场时,绝缘体突然变成了超导体,允许电子无摩擦地流动。

这一发现产生了“扭曲电子学”,这是一个探索某些电子特性如何从二维材料的扭曲和分层中出现的领域。包括Jarillo-Herrero在内的研究人员继续揭示魔角石墨烯的惊人特性,包括在不同电子状态之间切换材料的各种方法。到目前为止,这种“开关”更像是调光器,因为研究人员必须不断施加电场或磁场来打开超导性,并保持超导性。

现在,Jarillo-Herrero和他的团队已经证明,魔角石墨烯中的超导性可以打开并保持开启,只需一个短脉冲而不是连续的电场。他们发现,关键是扭曲和堆叠的组合。

在今天发表在Nature Nanotechnology上的一篇论文中,该团队报告说,通过在氮化硼(一种二维绝缘材料)的两个偏移层之间堆叠魔角石墨烯,夹层结构的独特排列使研究人员能够打开和关闭石墨烯的超导性与短电脉冲。

“对于绝大多数材料,如果你去除电场zzzzip,电状态就消失了,”麻省理工学院塞西尔和艾达格林物理学教授Jarillo-Herrero说。“这是第一次制造出可以突然电打开和关闭的超导材料。这可能为新一代扭曲的石墨烯基超导电子学铺平道路。

他的麻省理工学院合著者是主要作者Dahlia Klein,Li-Qiao Xia和David MacNeill,以及日本国家材料科学研究所的Kenji Watanabe和Takashi Taniguchi。

拨动开关

2019年,斯坦福大学的一个研究小组发现,魔角石墨烯可以被强迫进入铁磁状态。铁磁体是即使在没有外部施加磁场的情况下也能保持其磁性的材料。

研究人员发现,魔角石墨烯可以以一种可以打开和关闭的方式表现出铁磁特性。当石墨烯片层叠在两片氮化硼之间时,就会发生这种情况,使得石墨烯的晶体结构与氮化硼层之一对齐。

这种排列类似于奶酪三明治,其中面包的顶部切片和奶酪方向对齐,但面包的底部切片相对于顶部切片以随机角度旋转。这一结果引起了麻省理工学院小组的兴趣。

“我们试图通过对齐两个切片来获得更强的磁铁,”Jarillo-Herrero说。“相反,我们发现了一些完全不同的东西。

在他们目前的研究中,该团队制造了一个精心倾斜和堆叠材料的三明治。三明治的“奶酪”由魔术角石墨烯组成 - 两个石墨烯片,顶部相对于底部片以1.1度的“魔术”角度略微旋转。在这个结构上面,他们放置了一层氮化硼,与顶部的石墨烯片完全对齐。最后,他们将第二层氮化硼置于整个结构下方,并相对于氮化硼的顶层偏移30度。

然后,该团队测量了石墨烯层在施加栅极电压时的电阻。他们发现,与其他人一样,扭曲的双层石墨烯切换了电子状态,在某些已知电压下在绝缘,导电和超导状态之间变化。

该小组没有想到的是,一旦电压被移除,每个电子状态都会持续存在,而不是立即消失 - 这种特性被称为双稳态。他们发现,在特定电压下,石墨烯层变成超导体,并保持超导,即使研究人员去除了这个电压。

这种双稳态效应表明,超导性可以用短电脉冲而不是连续的电场来打开和关闭,类似于轻弹电灯开关。目前尚不清楚是什么使这种可切换的超导性成为可能,尽管研究人员怀疑它与扭曲的石墨烯与两个氮化硼层的特殊排列有关,这使得系统能够产生类似铁电的反应。(铁电材料在其电性能方面表现出双稳态。

“通过注意堆叠,你可以为魔角超导设备日益复杂的增加另一个调谐旋钮,”克莱因说。

目前,该团队将新的超导开关视为研究人员在开发更快,更小,更节能的电子产品材料时可以考虑的另一种工具。

“人们正试图构建以受大脑启发的方式进行计算的电子设备,”Jarillo-Herrero说。“在大脑中,我们有神经元,超过某个阈值,它们就会放电。同样,我们现在找到了一种方法,让魔角石墨烯突然切换超导性,超过一定的阈值。这是实现神经形态计算的关键特性。

免责声明:本文由用户上传,如有侵权请联系删除!

热点推荐

精选文章