研究领域
Research
人工智能与凝聚态物理、计算材料学的交叉研究
人工智能的数据生成算法
First-principles Study of Non-Collinear Spin Fluctuations Using Self-adaptive Spin-constrained Method Zefeng Cai 针对铁性材料AI模型中的数据生成难题，本研究率先在密度泛函框架下提出了“原子级矢量约束场”方法以处理磁矩，开发了国际首创的磁性材料激发态数据生成软件DeltaSPIN，目前国际上尚无同类软件。
磁性材料的深度学习模型Assessing Atomic Spin-Lattice Interactions: A Deep Learning Framework Teng Yang， Zhengtao Huang 结合DeltaSPIN生成的数据，通过将物理的对称性原理融入人工智能模型，研制了“原子―磁矩耦合”势能模型，开发了人工智能原子―磁矩耦合势能软件DeePSPIN，计算精度达到了 密度泛函DFT方法的水平，速度提升了3-4个数量级。在各项指标上领先于美国Sandia国家实验室，德国马普所以及俄罗斯斯科尔科沃科学技术研究院的同类软件。
人工智能模型的动力学仿真软件Assessing Atomic Spin-Lattice Interactions Dynamics Zhengtao Huang 本研究开发了“原子―磁矩耦合AI模型”的动力学仿真软件，克服了现有AI耦合模型在动力学模拟时能量、角动量不守恒的问题，通过整合“原子―磁矩―压力―温度”耦合的高级热力学系综方法与多物理量积分技术，不仅首次实现了满足守恒性要求的动力学模拟，并且速度提升了2个数量级。形成了磁性材料数据“生成―采样―拓展”的技术链条，形成不可复制的技术壁垒。
|
||
| Magnetic vortex state in 2D magnetic materials | ||
Qing Tang
|
||
| Formation of Skyrmion Lattice | ||
• Mechanisms of skyrmion and skyrmion crystal formation from the conical phase |
||
人工智能辅助发现新型材料相变
 |
| 在半导体材料中，通过相变实现良好的塑性变形能力一直是实现器件柔性化的重要途径。然而，新型半导体材料中范德华键、共价键与离子键的共存，其晶体结构表现出复杂的方向依赖性，极易呈现脆性，难以获得理想的塑性变形能力，给实际应用带来了显著挑战。申请人提出了一种融合“凝聚态物理―材料力学”领域认知的机器学习方法，首次在原子尺度上揭示了半导体材料InSe中“一种能够极大改善变形能力的，跨共价键、离子键与范德华键的马氏体相变过程”，并得到了实验验证。 |
Phonon Related
Ultrafast manipulation of functional materials with phononics
| Selective manipulation of polarization and magnetization in BiFeO3 using THz laser |
Selective tuning of order parameters of multiferroic in picoseconds using midinfrared terahertz laser pulses Physical Review B 105 (2), 024304 |
THz laser induced insulator-metal transition in BaBiO3 |
Anti-Jahn-Teller Effect Induced Ultrafast Insulator to Metal Transition in Perovskite BaBiO3 npj Computational Materials 8， 226 (2022) |
Thermal conductivity
| Anomalous Thermal Transport of SrTiO3 Driven by Anharmonic Phonon Renormalization | |
Han Jian |
Evolution of Microscopic structures
• Formation of <100> dislocation loop in bcc-Fe via the ternary loop reaction |
