Experimentally constrained modeling of the Pockels response of KNbO3 and KTaNbO3

인공지능이 학습하고 사고하는 현대 데이터 센터의 보이지 않는 고속도로에서, 정보는 빛의 속도로 이동합니다. 이러한 거대한 시스템을 계속 가동하기 위해, 엔지니어들은 오래된 전기 배선을 프로세서 사이에서 데이터를 운반하기 위해 빛을 사용하는 광학 링크로 교체하고 있습니다. 이 전환의 핵심 부품은 변조기(modulator)라고 불리는 장치로, 이는 빛을 켜고 끄거나 위상을 변화시켜 정보를 인코딩하는 고속 게이트 역할을 합니다. 수십 년 동안 업계는 이 작업을 수행하기 위해 리튬 니오베이트라는 결정을 의존해 왔으나, 이는 속도와 크기 측면에서 한계에 다다르고 있습니다. 과학자들은 이제 더 나은 재료, 구체적으로 전기장이 가해질 때 빛을 더 효율적으로 굴절시킬 수 있는 페로브스카이트(perovskites)라고 알려진 결정군을 찾고 있습니다. 이 굴절 능력인 포켈스 효과(Pockels effect)는 변조기가 얼마나 작고 빨라질 수 있는지를 결정합니다. 재료가 우수할수록 필요한 전력은 줄어들고 점유하는 칩의 크기도 작아지는데, 이는 차세대 컴퓨팅에 있어 매우 중요합니다.

한 연구팀은 현재의 표준보다 훨씬 뛰어날 것으로 기대되는 KTN이라 불리는 칼륨, 탄탈륨, 니오븀의 특정 혼합물에 주목했습니다. 이전 연구들은 이 재료가 전기장에 대해 믿을 수 없을 정도로 강력한 반응을 보일 수 있다고 시사했지만, 그 거동을 예측하는 데 사용된 이론적 모델들은 현실과 일치하지 않았습니다. 연구진은 이 결정들이 어떻게 진동하는지를 계산하는 표준 방식에서 중요한 세부 사항이 누락되었다는 것을 발견했습니다. 그들은 고급 컴퓨터 시뮬레이션과 새로운 물리적 측정을 결합하여 모델을 수정했으며, 이 재료의 진정한 잠재력을 밝혀냈습니다. 이를 통해 이 재료의 빛을 조절하는 능력이 실제로 매우 강력하지만, 가장 낙관적인 예측과는 약간 다르다는 것을 찾아냈습니다.

이야기는 결정 내부에서 원자들이 어떻게 움직이는가에서 시작됩니다. KTN과 같은 재료에서 원자들은 정지해 있지 않습니다. 그들은 특정한 패턴으로 진동합니다. '소프트 모드(soft mode)'라고 불리는 특정 진동은 전기장이 가해졌을 때 재료의 광학적 특성을 변화시키는 능력을 담당합니다. 이 진동을 매우 압축하기 쉬운 스프링이라고 생각해 보십시오. 스프링이 움직이기 쉬울수록 외부 힘에 대한 재료의 반응은 더 강해집니다. KTN의 경우, 이 "부드러운 스프링"이 성능의 주요 동력입니다. 그러나 연구진이 이 진동 주파수를 예측하기 위해 표준 컴퓨터 모델을 사용했을 때, 결과는 틀렸습니다. 원자 간의 상호작용을 근사화하는 방식에 의존하는 모델들은 진동 주파수를 너무 높게 계산했습니다. 포켈스 효과의 강도는 이 주파수가 얼마나 낮은지에 크게 달려 있기 때문에, 컴퓨터 모델은 재료의 실제 능력을 상당히 과소평가했습니다.

이 퍼즐을 풀기 위해 연구팀은 먼저 실험 데이터가 이미 알려져 있는 관련 결정인 니오븀산 칼륨을 사용하여 그들의 방법을 테스트했습니다. 그들은 자신들의 컴퓨터 모델이 재료의 성능을 약 20% 정도 지속적으로 과소평가한다는 것을 발견했습니다. 면밀히 조사한 결과, 오류는 전적으로 계산된 진동 주파수에서 기인했다는 것을 깨달았습니다. 컴퓨터가 예측한 주파수를 실험실에서 측정된 실제 값으로 대체하자, 모델은 갑자기 실제 데이터와 완벽하게 일치했습니다. 이는 문제가 근본적인 이론에 있는 것이 아니라, 컴퓨터가 진동을 근사화하는 특정한 방식에 있다는 것을 확인시켜 주었습니다. 연구진은 이와 동일한 수정 사항을 연구 중이던 KTN 재료에 적용했습니다.

KTN의 과제는 아무도 자신들이 모델링하는 정확한 조성에 대한 특정 진동 주파수를 측정해 본 적이 없다는 것이었습니다. 이 수치를 얻기 위해 연구팀은 새로운 실험을 수행해야 했습니다. 그들은 목표와 최대한 유사한, 원자 혼합 비율이 약간 다른 KTN 결정을 가져와 적외선 빛이 어떻게 반사되는지 측정했습니다. 이 반사를 분석함으로써, 그들은 소프트 진동 모드의 정확한 주파수를 추출할 수 있었습니다. 그들은 실제 진동이 컴퓨터가 예측했던 것보다 훨씬 느리다는 것을 발견했습니다. 이 새로운, 더 느린 주파수를 계산식에 다시 입력하자, 재료의 예측 성능이 급격히 뛰어올랐습니다.

결과는 이 재료의 고유한 빛 변조 능력이 현재 리튬 니오베이트의 가장 좋은 대안으로 간주되는 티타늄산 바륨보다 약 2.5배 더 강력하다는 것을 보여주었습니다. 연구진은 이 효과의 특정 계수를 약 1,832로 계산했는데, 이 수치는 이 재료를 광학 칩 사용을 위한 독보적인 위치에 올려놓습니다. 그러나 연구진은 이 수치가 재료가 단단하게 고정되어 있을 때의 고유한 한계치를 나타낸다는 점을 주의 깊게 명시했습니다. 실제 장치에서는 재료가 고정되어 있지 않으며, 압전 반응(piezoelectric response) 및 다른 유형의 광학 비선형성과 같은 다른 물리적 효과로 인해 측정된 성능이 훨씬 더 높아질 수 있습니다. 이 연구는 표준 컴퓨터 모델만으로는 실험적 입력 없이 이러한 높은 수치를 정확하게 예측할 수 없다는 아이디어를 명시적으로 배제했습니다.

이 작업은 재료 과학의 강력한 전략을 강조합니다. 즉, 소량의 실제 측정을 사용하여 컴퓨터 시뮬레이션을 유도하고 수정하는 것입니다. 연구진은 단순히 계산된 숫자를 측정된 숫자로 바꾸는 것만으로도 재료의 잠재력에 대한 훨씬 더 정확한 그림을 그려낼 수 있음을 입증했습니다. 또한 결정의 화학적 레시피, 특히 탄탈륨과 니오븀의 비율을 조정함으로써 진동 주파수를 조절하여 재료를 더욱 민감하게 만들 수 있음을 보여주었습니다. 이는 엔지니어들이 이러한 결정을 실리콘 칩 위에 성장시키는 제조상의 어려움을 극복할 수 있다면, 현재 사용 가능한 그 어떤 것보다 더 작고, 빠르며, 에너지 효율적인 미래의 광학 변조기를 설계할 수 있음을 시사합니다. 이 연구는 모든 문제를 해결했다고 주장하는 것이 아니라, 이 유망한 재료들을 이해하고 최적화하기 위한 명확하고 검증된 경로를 제공합니다.