Disorder information from conductance: a quantum inverse problem
本文提出了一种鲁棒的反演方法，通过分析能量依赖的电导指纹，提取无序介观器件中随机分布杂质的性质与浓度，并已通过石墨烯纳米带上的模拟实验得到了验证。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在微观世界的量子器件中，电流流经比人类发丝还要小的结构，那里的交通规则发生了彻底的变化。不同于水流通过管道或电流通过标准铜线时那种可预测的流动，这些微型电路中的电子表现得更像波。当这些波遇到障碍物时，它们会发生散射并相互干涉，从而产生一种完全取决于路径中每一个原子精确排列方式的复杂流动模式。科学家们早已知道，如果已知障碍物的布局，就可以预测这种流动：如果你告诉计算机每一个杂质的具体位置，它就能高精度地计算出电导率。然而，反向问题却一直是一个难以攻克的难题。如果你仅拥有关于电流传导能力的测量数据，能否反向推导出设备内部的真实情况？当设备处于无序状态，即充满了看似会将信号搅乱成噪声的随机杂质时，这个问题尤其难以解决。对于正在研发下一代电子设备的研发人员来说，解决这个谜题至关重要；否则，他们无法验证材料的质量，也无法理解为什么某个设备会出现故障。
一支研究团队现在提出了一种破解这一密码的新方法，将无序带来的混沌转化为发现工具。他们并没有试图绘制每一个杂质的确切位置——他们证明这是一项几乎不可能完成的任务——而是专注于一个不同的问题：有多少个杂质，以及它们是什么类型的？他们的方法依赖于一个巧妙的观察，即电导率如何随着电子能量的变化而变化。虽然在特定能量水平下的一次电导率测量看起来像是一团混乱、不可预测的杂乱信号，但跨越一定能量范围的整体电导率模式却蕴含着一个隐藏的特征。研究人员证明，通过将特定的、现实世界的电导率模式与使用不同数量杂质生成的庞大理论模式库进行对比，他们可以找到一个“甜点”。这个点出现在理论模式与现实模式最接近的地方，从而揭示出设备内杂质的真实浓度。
为了测试这个想法，该团队使用了石墨烯纳米带，即仅有几个原子宽的碳原子条带。他们模拟了一个内部随机分布了已知数量杂质的器件，并计算了由此产生的电导谱。然后，在假装不知道答案的情况下，他们运行了他们的反演程序。他们生成了数千种理论情景，每种情景都有不同数量的杂质，并计算了每种情景下的平均电导率。通过测量他们的单次现实测量值与这数千个平均值之间的差异，他们发现，当理论杂质数量与模拟中使用的实际数量相匹配时，这种差异最小。值得注意的是，即使在不知道杂质强度或存在两种不同类型杂质混合物的情况下，这一方法依然奏效。该方法成功识别了散射体的类型和浓度，证明了如果知道如何倾听正确的频率，无序的“噪声”中确实包含着清晰、可提取的信号。
研究人员通过将该方法应用于基于密度泛函理论（一种对材料中电子行为进行建模的严谨方法）的更复杂、更真实的模拟，进一步验证了其方法。即使在这些高度详细的模型中（其中电子结构比简单模拟要复杂得多），该反演技术依然有效。它正确识别出了浓度低于总原子数百分之一的一氮杂质。团队还展示了该方法在不同尺寸的器件以及不同的电子流机制下（无论是电子自由移动还是被困在无序路径中）都具有鲁棒性。他们成功的关键在于一个被称为“遍历假设”的统计学原理。简单来说，这个原理表明，随着你改变能量，单个器件中所看到的波动，在统计上等同于你在单一能量下观察许多具有不同杂质排列的器件时所看到的波动。通过对电导在一定能量范围内进行积分，研究人员有效地平均掉了随机噪声，留下了一条揭示底层成分的平滑曲线。
这项工作表明，无序通常被视为量子物理学中的干扰因素，但实际上可以成为提取信息的有利工具。该方法不需要知道每个杂质的确切位置，也不需要设备的完美地图。它只需要获得电导随能量变化的标准测量值，而这在实验室中是常规获取的数据。结果表明，这种反演技术是通用且可靠的，能够通过标准的输运测量来揭示无序介观器件的结构和组成细节。虽然本研究是使用模拟进行的，但作者指出，其背后的原理是普适的，并不依赖于特定的材料或电子结构的复杂性。这为表征量子器件开辟了一扇新大门，让科学家们能够仅仅通过观察电导行为，就能窥探无序系统的内部并了解其构成。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。