Redian新闻
>
Npj Comput. Mater.: 自旋极化—非易失电调控

Npj Comput. Mater.: 自旋极化—非易失电调控

科学

海归学者发起的公益学术平台

分享信息,整合资源

交流学术,偶尔风月

在自旋电子学领域,利用磁性材料的自旋自由度可以实现信息存储、传输及处理。近年来,低维磁性材料的发现更是促进了纳米自旋电子学器件的发展。利用电信号,产生和操控纯自旋极化电流是自旋电子学应用中一项长期重要的技术挑战。双极性磁性半导体具有相反自旋极化的价带顶和导带底,为实现栅压电场调控自旋极化电流提供了一个可能。然而,这种调控方式是易失的,要求施加一个永久的栅压电场才能保持自旋极化电流,这在能耗方面以及逻辑器件的应用上并不是理想的选择。


来自中国科学院物理研究所的杜世萱教授团队,提出了一种通过引入铁电栅压门来操控双极性磁性半导体中自旋极化电流的策略。该团队通过第一性原理计算预测了一个稳定的二维双极性磁性半导体VSeF,其铁磁居里转变温度为66 K。由于铁电体具有可翻转的自发内建电场,双极性磁性半导体VSeF的电子结构可以受到铁电基底电极化方向的调控,例如,铁磁半金属/半导体间的转换以及自旋极化向上/向下电流间的转换可分别由单层Al2Se3铁电和双层Al2Se3铁电基底调控。基于这些新颖可控的多铁异质结,该团队进一步设计了两类自旋场效应晶体管,多铁存储器和自旋阀。该研究还发现铁电基底和双极性磁性半导体VSeF界面间的电荷掺杂浓度在1013 cm-2量级,与传统的栅压掺杂浓度可比拟。此外,界面间的电荷掺杂效应能有效地提升VSeF的铁磁转变温度,并且随着掺杂载流子浓度的提高,VSeF铁磁转变温度的提升更为明显。


该研究为调控双极性磁性半导体的自旋极化提供了一种有效节能的策略,这将促进双极性磁性半导体在未来自旋电子学领域的探索和应用。该文近期发表于npj Computational Materials 9:50(2023)英文标题与摘要如下,点击左下角“阅读原文”可以自由获取论文PDF。


Nonvolatile electrical control of spin polarization in the 2D bipolar magnetic semiconductor VSeF 


Yuhui Li, Jun Deng, Yan-Fang Zhang, Xin Jin, Wen-Han Dong, Jia-Tao Sun, Jinbo Pan & Shixuan Du 


Nonvolatile electrical control of spin polarization in two-dimensional (2D) magnetic semiconductors is greatly appealing toward future low-dissipation spintronic nanodevices. Here, we report a 2D material VSeF, which is an intrinsic bipolar magnetic semiconductor (BMS) featured with opposite spin polarized valence and conduction band edges. We then propose a general nonvolatile strategy to manipulate both spin-polarized orientations in BMS materials by introducing a ferroelectric gate with proper band alignment. The spin-up/spin-down polarization of VSeF is successfully controlled by the electric dipole of ferroelectric bilayer Al2Se3, verifying the feasibility of the design strategy. The interfacial doping effect from ferroelectric gate also plays a role in enhancing the Curie temperature of VSeF layer. Two types of spin field effect transistors, namely multiferroic memory and spin filter, are further achieved in VSeF/Al2Se3 and VSeF/Al2Se3/Al2Se3 multiferroic heterostructures, respectively. This work will stimulate the application of 2D BMS materials in future spintronic nanodevices. 


扩展阅读

 
Npj Comput. Mater.: 一叶知秋—材料科学中的小数据机器学习
Npj Comput. Mater.: 金属3D打印质量参差不齐?为你揭开这些关键之谜!
Npj Comput. Mater.: 未知磁结构材料的拓扑性表征—不准,但有点意义
Npj Comput. Mater.: 元素方式表征—加快多组元高熵合金体系的探索
本文系网易新闻·网易号“各有态度”特色内容
媒体转载联系授权请看下方

微信扫码关注该文公众号作者

戳这里提交新闻线索和高质量文章给我们。
相关阅读
《国画牡丹》&《问风》Npj Comput. Mater.: 超快激光的妙手真可“点石(墨)成金(刚石)”Npj Comput. Mater.: 材料信息学门槛高,AlphaMat带你找门道!Npj Comput. Mater.: 中大、清华、加大尔湾分校合作发现新型二维磁性材料移民生活(五)Npj Comput. Mater.: 基于二维范德华异质结能带调控的平面铁电隧道结Npj Comput. Mater.: 一叶知秋—材料科学中的小数据机器学习女追男隔层纱,男追女隔座山Npj Comput. Mater.: 一维范德华异质结很迷人,但曲率如何改变电子性质太劳神!基于AI和NPU的Codec变革——VPU与NPU的协同创新Npj Comput. Mater.: 金属3D打印质量参差不齐?为你揭开这些关键之谜!Npj Comput. Mater.: DFT中的电子密度—等变图神经网络Npj Comput. Mater.: 新合金设计—样本数据迁移机器学习方Npj Comput. Mater.: 表面合金化学吸附—d带中心模型能否适用?Npj Comput. Mater.: 纵然藏她千百度,暮回首,AI把她全揭露!黄仁勋在COMPUTEX大会上说了什么?这里是最全的亮点Npj Comput. Mater.: 拌水泥的高科技—机器学习为混凝土配方而设计Npj Comput. Mater.: 搭乘“特快列车”的异相催化原子模拟Npj Comput. Mater.: 高兴发团队很不高兴—与电子推推拉拉,成何体统?Npj Comput. Mater.: “鱼与熊掌”可以兼得—兼具高精度、高速度的分子动力学!Npj Comput. Mater.: 知识的力量—数据与知识的正面较量Npj Comput. Mater.: 狸猫换太子—实现高居里温度Npj Comput. Mater.: 高热电性能—全赫斯勒化合物压电/摩擦电调控场效应晶体管和人工智能传感 | 络绎学术Online第161期Npj Comput. Mater.: 轨道耦合—调控谷能带和激子劈裂Npj Comput. Mater.: 阴离子基团旋转—对锂离子扩散的弱负效应Npj Comput. Mater.: 二维过渡金属单卤化物—超导和拓扑态Npj Comput. Mater.: 原子间固有的游戏规则—设计人工智能材料maxsun GeForce GTX 1660 Super Terminator Computer Video Graphics【城事】巴黎市长将重修Châtelet 广场以方便行人做了抖音最新受害者5055 血壮山河之武汉会战 鏖战幕府山 24Npj Comput. Mater.: 未知磁结构材料的拓扑性表征—不准,但有点意义Npj Comput. Mater.: “中心-环境”深度迁移学习—快速预测钙钛矿氧化物Npj Comput. Mater.: 反铁磁遇到铁电—也有心灵感应
logo
联系我们隐私协议©2024 redian.news
Redian新闻
Redian.news刊载任何文章,不代表同意其说法或描述,仅为提供更多信息,也不构成任何建议。文章信息的合法性及真实性由其作者负责,与Redian.news及其运营公司无关。欢迎投稿,如发现稿件侵权,或作者不愿在本网发表文章,请版权拥有者通知本网处理。