利用自旋轨道溢出、机器学习与实验高通量搜索磁性拓扑材料
材料科学
2021-04-21 v2
摘要
磁性拓扑绝缘体和中金属具有多种特性,使其在自旋电子学和量子计算等应用中颇具吸引力,但已知的高质量候选材料极少。本工作中,我们利用系统的高通量密度泛函理论计算,从 JARVIS-DFT 数据库(https://jarvis.nist.gov/jarvisdft)中的 40000 种三维材料中识别磁性拓扑材料。首先,我们筛选净磁矩 > 0.5 {\mu}B 且自旋轨道溢出 > 0.25 的材料,得到 25 个绝缘体和 564 个金属候选材料。溢出可作为自旋轨道诱导能带反转的标志。随后,我们计算 Wannier 电荷中心、陈数、反常霍尔电导、表面能带结构和费米面,以确定所筛选化合物的有趣拓扑特征。我们还训练机器学习模型来预测新化合物的溢出、带隙和磁矩,以进一步加速筛选过程。我们实验合成并表征了若干候选材料以支持我们的理论预测。
引用
@article{arxiv.2102.00237,
title = {High-throughput search for magnetic topological materials using spin-orbit spillage, machine-learning and experiments},
author = {Kamal Choudhary and Kevin F. Garrity and Nirmal J. Ghimire and Naween Anand and Francesca Tavazza},
journal= {arXiv preprint arXiv:2102.00237},
year = {2021}
}