SOTIs谷极化，登上Nano Letters！
秋去冬来，北风凛冽，科研人宅在实验室捣鼓实验；
寒来暑往，四季更替，计算人猫在电脑前拨弄数据！
npj Computational Materials：通过机器学习分析LiNi0.5Co0.2Mn0.3O2单晶正极材料的降解机理
LiNi0.5Co0.2Mn0.3O2 (NCM523)，因其高能量密度和高性价比而成为当前锂离子电池最受欢迎的正极材料之一。然而，NCM的快速能力衰落，严重阻碍了其发展和应用。在此，为了解决这一挑战，来自华中科技大学的Yuan-Cheng Cao等研究者利用扫描透射电子显微镜(STEM)对NCM523单晶材料在不同降解状态下进行了表征。在此基础上，研究者建立了一种具有两序列注意块的神经网络模型，来识别STEM图像中的晶体结构和定位缺陷。NCM523的点缺陷数，在降解过程中呈现先增加后减少的趋势。过渡金属柱之间的空间明显缩小，导致戏剧性的容量衰减。这一分析揭示了与层状材料降解相关的缺陷演化和化学转化。这也为研究人员再生电化学容量和设计更好的寿命更长的电池材料，提供了有趣的提示。
参考文献：
Sha, W., Guo, Y., Cheng, D. et al. Degradation mechanism analysis of LiNi0.5Co0.2Mn0.3O2 single crystal cathode materials through machine learning. npj Comput Mater 8, 223 (2022). https://doi.org/10.1038/s41524-022-00905-5
原文链接：
https://www.nature.com/articles/s41524-022-00905-5
2.npj Computational Materials：一个机器学习支持混合优化框架的高效粗粒化模型聚合物
在此，来自澳大利亚墨尔本大学的Elnaz Hajizadeh等研究者提供了一个框架，以管理聚醚材料的高效、准确和可转移的粗粒度(CG)模型的发展。该框架通过集成机器学习(ML)和优化算法，将自底向上和自顶向下的粗粒度模型参数方法结合起来。在自底向上的方法中，使用深度神经网络(DNN)优化CG模型的键相互作用，其中原子键分布是匹配的。在自顶向下方法中，非键合参数的优化是通过重现与温度相关的实验密度来完成的。研究者证明了，所开发的框架解决了与经典粗粒化方法相关的热力学一致性和可转移性问题。CG模型的效率和可转移性通过精确预测链统计量、玻璃化转变温度、扩散和应力松弛的限制行为(在参数化过程中不包括这些)得到了证明。在分子理论和可用的实验数据的背景下，评估了预测性质的准确性。
参考文献：
Shireen, Z., Weeratunge, H., Menzel, A. et al. A machine learning enabled hybrid optimization framework for efficient coarse-graining of a model polymer. npj Comput Mater 8, 224 (2022). https://doi.org/10.1038/s41524-022-00914-4
原文链接：
https://www.nature.com/articles/s41524-022-00914-4
3.npj Computational Materials：利用深度强化学习设计机械韧性氧化石墨烯材料
氧化石墨烯(GO)，在许多技术中扮演着越来越重要的角色。然而，如何战略性地分配职能组，以进一步提高绩效，仍然没有答案。在此，来自美国加州大学伯克利分校的Grace X. Gu等研究者，利用深度强化学习(RL)设计机械韧性GOs。该设计任务被描述为一个有序决策过程，并采用策略梯度RL模型，使氧化石墨烯的韧性最大化。结果表明，该方法能够稳定生成比随机GOs均值高两个标准差以上的韧性值的官能团分布。此外，该RL方法仅在5000个铺开中实现了优化的官能团分布，而最简单的设计任务有2×1011种可能性。最后，研究者证明了该方法在官能团密度和GO大小方面是可伸缩的。本研究展示了官能团分布对氧化石墨烯性质的影响，并说明了深度RL方法的有效性和数据效率。
参考文献：
Zheng, B., Zheng, Z. & Gu, G.X. Designing mechanically tough graphene oxide materials using deep reinforcement learning. npj Comput Mater 8, 225 (2022). https://doi.org/10.1038/s41524-022-00919-z
原文链接：
https://www.nature.com/articles/s41524-022-00919-z
4.npj Computational Materials：逆-Jahn-Teller效应诱导BaBiO3钙钛矿超快绝缘体向金属转变
Jahn-Teller (JT)效应，是指具有简并电子态的离子M扭曲共享角的MO6八面体以提高简并度，诱导电子向晶格的强耦合，并调节钙钛矿氧化物中的奇异性质。相反，逆-Jahn-Teller (AJT)效应指的是针对Jahn-Teller扭曲的MO6八面体的变形。然而，从晶体结构的微调出发，很难在实验上实现这两种效应。在此，来自北京邮电大学的Ke Bi & 华中科技大学的Kan-Hao Xue & 中国工程物理院的Ben Xu等研究者提出，在接近室温的超导钙钛矿材料BaBiO3中，可以在11.71太赫兹的太赫兹激光照射下引入AJT。照明通过二次-线性非线性相互作用，相干驱动红外主动声子激发拉曼呼吸模式。该过程的特征是出现AJT效应，伴随着在皮秒时间尺度上发生的绝缘体到金属的转变。本研究强调了相干声子激发晶体结构工程，在光电子器件设计中的重要作用。
参考文献：
Feng, N., Han, J., Lin, C. et al. Anti-Jahn-Teller effect induced ultrafast insulator to metal transition in perovskite BaBiO3. npj Comput Mater 8, 226 (2022). https://doi.org/10.1038/s41524-022-00901-9
原文链接：
https://www.nature.com/articles/s41524-022-00901-9
5.Nano Letters：二维蜂窝铁磁体中具有巨谷极化的二阶拓扑绝缘子
磁拓扑态，为探索拓扑自旋电子学的重要物理现象和应用，提供了令人振奋的平台。在此，来自山东大学的Ying Dai & Chengwang Niu等研究者，通过紧束缚模型和第一性原理计算，与之前报道的磁性二阶拓扑绝缘体(SOTIs)相比，无论磁化方向如何，稳健的SOTIs都可以在二维铁磁体中出现。值得注意的是，研究者确定了本征铁磁性2H-RuCl2和Janus VSSe单分子层，作为预测的稳健SOTIs的实验可行候选材料，沿不同磁化方向出现了非平凡角态。此外，研究者意外地指出，在面外磁化作用下，SOTIs的谷极化可以非常巨大，而且比已知铁谷材料的谷极化要大得多，为谷电子学和高阶拓扑的连接开辟了技术途径，为拓扑自旋电子学和谷电子学的创新应用提供了很大的可能性。
参考文献：
Runhan Li, Ning Mao, Xinming Wu, Baibiao Huang, Ying Dai, and Chengwang Niu. Robust Second-Order TopologicalInsulators with Giant Valley Polarization in Two-Dimensional Honeycomb Ferromagnets. Nano Letters Article ASAPDOI: 10.1021/acs.nanolett.2c03680
原文链接：
https://pubs.acs.org/doi/10.1021/acs.nanolett.2c03680
