Experimentally constrained modeling of the Pockels response of KNbO3 and KTaNbO3

在现代数据中心这些人工智能学习与思考的无形高速公路上，信息以光速传输。为了维持这些庞大系统的运行，工程师们正在用光学链路取代旧有的电线，利用光在处理器之间传输数据。这种转变中的关键组件是一种被称为调制器的设备，它就像一个高速闸门，通过开启、关闭光或改变其相位来对信息进行编码。几十年来，业界一直依赖一种名为铌酸锂的晶体来完成这项任务，但其在速度和尺寸方面正逐渐达到极限。科学家们现在正在寻找更好的材料，特别是被称为钙钛矿的一类晶体，它们在施加电场时能更高效地弯曲光线。这种弯曲能力（被称为波克尔斯效应）决定了调制器能做多小、能有多快。材料性能越好，所需的功耗就越低，占据的芯片面积也越小，这对于下一代计算至关重要。

一组研究人员将注意力转向了一种特定的钾、钽、铌混合物，即 KTN，它展现出了远优于当前标准的潜力。虽然先前的研究表明这种材料对电场具有极强的响应，但用于预测其行为的理论模型却无法与现实相匹配。研究人员发现，计算这些晶体振动方式的标准方法缺失了一个关键细节。通过将先进的计算机模拟与新的物理测量相结合，他们修正了模型，并揭示了这种材料的真实潜力：发现其操纵光线的能力确实非常巨大，尽管与此前最乐观的预测略有不同。

故事始于原子在晶体内部的运动方式。在像 KTN 这样的材料中，原子并非静止不动；它们以特定的模式振动。一种被称为“软模”的特定振动，是该材料在施加电场时改变其光学特性的原因。可以将这种振动想象成一个非常容易被压缩的弹簧：弹簧越容易移动，材料对外部力量的响应就越强。在 KTN 的案例中，这个“软弹簧”是其性能的主要驱动力。然而，当研究人员使用标准计算机模型来预测这种振动频率时，结果却出现了偏差。这些依赖于原子相互作用近似值的模型，计算出的振动频率过高。由于波克尔斯效应的强度高度依赖于该频率有多低，因此计算机模型显著低估了该材料的真实威力。

为了解开这个谜团，团队首先在一种相关的晶体——铌酸钾上测试了他们的方法，该晶体的实验数据已为人所知。他们发现，计算机模型始终低估了该材料的性能约百分之二十。经过仔细检查，他们意识到误差完全来自于计算出的振动频率。当他们用实验室测得的实际频率替换掉计算机预测的频率后，模型突然与现实世界的数据完美契合。这证实了问题不在于基本理论，而在于计算机近似振动的方式。随后，研究人员将同样的修正方法应用到了他们正在研究的 KTN 材料上。

KTN 的挑战在于，从未有人为这种特定成分的材料测量过具体的振动频率。为了获得这个数值，团队必须进行一项新的实验。他们取了一块原子混合比例与目标材料尽可能接近的 KTN 晶体，并测量了它对红外光的反射情况。通过分析这种反射，他们能够提取出这种软振动模式的精确频率。他们发现，实际的振动速度比计算机预测的要慢得多。当他们将这个新的、更慢的频率反馈到计算中时，预测的材料性能大幅跃升。

结果显示，这种材料操纵光线的固有能力大约是目前被视为铌酸锂最佳替代品的钛酸钡的两倍半。研究人员计算出该效应的具体系数约为 1,832，这一数值使该材料在未来光学芯片的应用中处于领先地位。然而，他们谨慎地指出，这个数值代表的是材料在保持刚性状态下的固有极限。在实际器件中，材料并非被固定不变，其他物理效应（如压电响应和另一种类型的光学非线性）可能会使测得的性能更高。该研究明确排除了仅靠标准计算机模型就能在没有实验输入的情况下准确预测这些高值的观点。

这项工作凸显了材料科学的一种强大策略：利用少量的现实测量来引导和修正计算机模拟。研究人员证明，通过简单地将一个计算数值替换为测量数值，他们就能解锁材料潜力的更准确图景。他们还展示了通过改变晶体的化学配方（特别是通过调整钽与铌的比例），可以调节振动频率，使材料更具响应性。这表明，只要能克服在硅芯片上生长这些晶体的制造挑战，工程师就可以设计出比现有任何产品都更小、更快、更节能的未来光学调制器。该研究并非声称解决了所有问题，但它为理解和优化这些极具前景的材料提供了一条清晰且经过验证的路径。