量子计算、半导体可以从新的“兴奋剂”NCSU 研究 PlatoBlockchain 数据智能中受益。 垂直搜索。 哎。

量子计算,半导体可以从新的“兴奋剂”NCSU研究中受益

罗利—— 北卡罗来纳州立大学的研究人员使用计算分析来预测半导体材料硒化锌 (ZnSe) 在掺杂卤素元素时的光学特性如何变化,并发现这些预测得到了实验结果的证实。 他们的方法可以加快识别和创造可用于量子应用的材料的过程。

制造具有理想特性的半导体意味着利用点缺陷——材料中可能缺少原子或存在杂质的位置。 通过操纵材料中的这些位点,通常是通过添加不同的元素(称为“掺杂”的过程),设计师可以得出不同的属性。

“即使在‘纯’材料中,缺陷也是不可避免的,”北卡罗来纳州立大学教授学者和材料科学与工程教授 Doug Irving 说。 “我们希望通过掺杂与这些空间进行交互,以改变材料的某些特性。 但是弄清楚在兴奋剂中使用哪些元素是时间和劳动密集型的。 如果我们可以使用计算机模型来预测这些结果,那么材料工程师就可以专注于最具潜力的元素。”

在原理验证研究中,欧文和他的团队使用计算分析来预测使用卤素元素氯和氟作为 ZnSe 掺杂剂的结果。 他们之所以选择这些元素,是因为卤素掺杂的 ZnSe 已被广泛研究,但潜在的缺陷化学还没有得到很好的确定。

该模型分析了缺陷部位氯和氟的所有可能组合,并正确预测了掺杂 ZnSe 的电子和光学特性、电离能和光发射等结果。

“通过查看已知材料中缺陷的电子和光学特性,我们能够确定这种方法可以以预测方式使用,”欧文说。 “所以我们可以用它来搜索可能有趣的缺陷和交互。”

对于像 ZnSe 这样的光学材料,改变材料吸收或发射光的方式可以让研究人员将其用于可以在更高温度下运行的量子应用中,因为某些缺陷对高温不那么敏感。

“除了重新审视像 ZnSe 这样的半导体在量子应用中的潜在用途之外,这项工作的更广泛意义是最令人兴奋的部分,”欧文说。 “这是推动我们朝着更大目标迈进的基础部分:使用预测技术有效地识别缺陷,并从使用该技术获得对这些材料的基本理解。”

研究出现在 物理化学快报,并得到了空军科学研究办公室极端特性材料项目的资助 FA9550-21-1-0383 的支持。 来自北卡罗来纳州的博士后研究员和第一作者 Yifeng Wu 和研究生 Kelsey Mirrielees 也为这项工作做出了贡献。

时间戳记:

更多来自 WRAL 技术线