Redian新闻
>
Npj Comput. Mater.: 转热为电的材料—可从电子结构逆向设计?

Npj Comput. Mater.: 转热为电的材料—可从电子结构逆向设计?

公众号新闻

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

热电材料可以实现热能和电能的直接转换,无须机械运动部件,这使得它在废热利用、低温制冷等领域有广泛的应用前景。在热电效应中,反常能斯特效应无须外磁场驱动就能产生横向电压,可进一步减小器件的尺寸,同时电极可以同时贴在冷端可提升器件稳定性,近来受到了广泛关注。 


然而其热电转换效率却是制约其实际应用的瓶颈因素。传统的反常能斯特效应材料的发现要么集中在特定材料体系比如哈斯勒金属,要么是偶然发现。如果从电子结构逆向设计的角度来寻找大的反常能斯特效应材料,可大大提高新候选体系的发现速度。

 

Fig. 2 Modulation of ANC for the four-band Dirac model with Zeeman term.


来自南方科技大学的刘奇航教授团队,从理论上证明了在塞曼场下,一对狄拉克节点会呈现出随化学势变化奇函数分布、具有双峰特征的反常霍尔电导率曲线,以及补偿的载流子特性,从而获得比传统的,仅有一对外尔点的两带外尔半金属模型有300%增强的反常能斯特热电导率。结合上述能带模型及第一性原理计算,该研究提供了两个实际的候选材料:狄拉克半金属Na3Bi和NaTeAu。在塞曼场下,它们在费米能级附近的反常能斯特热电导率分别可达到0.4 Am^(-1) K^(-1) 和 1.3 Am^(-1) K^(-1)。其中NaTeAu的反常霍尔电导率曲线随化学势变化呈双峰特征,从而在费米能级附近有一个反常能斯特热电导率的极大值,与塞曼场下的狄拉克能带模型相符。

 

Fig. 3 Electronic structures and transport properties of Na3Bi under Zeeman field.


进一步地,该团队通过把NaTeAu中50%的Na替换为Fe,获得了具有塞曼劈裂的本征铁磁拓扑材料NaFeTe2Au2,它在费米能级附近展现出高达3.7 Am^(-1) K^(-1)的反常能斯特热电导率。该研究还设计了一种全哈斯勒铁磁材料Co2PdGe,同样在费米能级附近有高达6.2 Am^(-1) K^(-1)的反常能斯特热电导率。

总之,该研究提供了一种功能材料设计思路,首先设计特定的能带结构然后筛选出符合这种电子结构的材料,这将提升新候选材料的发现速度。该文近期发表于npj Computational Materials 9: 203 (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。



Rational design of large anomalous Nernst effect in Dirac semimetals 


Panshuo Wang, Zongxiang Hu, Xiaosong Wu & Qihang Liu 


Anomalous Nernst effect generates a transverse voltage perpendicular to the temperature gradient. It has several advantages compared with the longitudinal thermoelectricity for energy conversion, such as decoupling of electronic and thermal transports, higher flexibility, and simpler lateral structure. However, a design principle beyond specific materials systems for obtaining a large anomalous Nernst conductivity (ANC) is still absent. In this work, we theoretically demonstrate that a pair of Dirac nodes under a Zeeman field manifests an odd-distributed, double-peak anomalous Hall conductivity curve with respect to the chemical potential and a compensated carrier feature, leading to an enhanced ANC compared with that of a simple Weyl semimetal with two Weyl nodes. Based on first-principles calculations, we then provide two Dirac semimetal candidates, i.e., Na3Bi and NaTeAu, and show that under a Zeeman field they exhibit a sizable ANC value of 0.4 Am^(-1) K^(-1) and 1.3 Am^(-1) K^(-1), respectively, near the Fermi level. Such approach is also applicable to ferromagnetic materials with intrinsic Zeeman splitting, as exemplified by a hypothetical alloy NaFeTe2Au2, exhibiting an ANC as high as 3.7 Am^(-1) K^(-1) at the Fermi level. Our work provides a design principle with a prototype band structure for enhanced ANC pinning at Fermi level, shedding light on the inverse design of other specific functional materials based on electronic structure.


扩展阅读

 
Npj Comput. Mater.: 热电材料 zT到底能到多高?
Npj Comput. Mater.: 形变势的高通量计算
Npj Comput. Mater.: 大规模电子结构计算—可迁移的机器学习加速方法
Npj Comput. Mater.: 人工智能助力有机太阳能电池的高效筛选与设计
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
微妙时刻,欧美媒体放猛料——证监会召开新年首场发布会,鼓励机构逆市布局美国室温超导论文被撤回:论文中的材料来源和实验测量不准确“打开电脑” 用英语怎么说? 不是 open the computerNpj Comput. Mater.: 多铁范德华异质结—磁各向异性与半金属性的同步调控Npj Comput. Mater.: 双势垒结构—增强铁电隧道结的隧穿电致电阻Npj Comput. Mater.: 天下武功,唯快不破—第一性原理输运计算黄山揽胜In Northeast China, Tourists From the South Spark a Winter BoomNpj Comput. Mater.: 微观层面结构:如何与聚合物导热因素搭上关系?低费率产品集体遭机构逆势撤资,中银基金14只基金年内清盘行业最多Nat Comput Sci | PBCNet:药物先导化合物优化的人工智能新方法卖掉整个地球也买不到1公斤的材料是什么?Npj Comput. Mater.: 人工智能助力有机太阳能电池的高效筛选与设计Npj Comput. Mater.: 大规模电子结构计算—可迁移的机器学习加速方法探寻西西里与马耳他的历史脚印(23)Npj Comput. Mater.: 双网络结构防冻水凝胶—分子动力学模拟、自由基聚合算法开发【Comic Corn 漫展】校园潮流风,Comic Corn市集Npj Comput. Mater.: 生成式对抗神经网络:逆向设计金属玻璃海莉猛追川普,俩人隔空对骂:不是当总统的材料Hiring | Communications Manager of AG's political committee“加沙将变广岛?”赫什再爆料——Npj Comput. Mater.: 寻找拓扑超导新材料:一条新途径?自动生成prompt:Automatic prompt engineeringNpj Comput. Mater.: 形变势的高通量计算他用钢板、木材、玻璃设计装置,出乎意外的材料大变身!登黄山天都峰探寻西西里与马耳他的历史脚印(24)Npj Comput. Mater.: 裂纹扩展vs位错发射—bcc铁裂纹尖端变形机制Npj Comput. Mater.: 新材料预测—三元硼化物中的范霍夫奇点体系鸿发超市「2000 万美元」买下82街前Walmart超市!开设第4家Hông Phát分店!Npj Comput. Mater.: 释放神经网络的力量:解决声子输运问题Npj Comput. Mater.: 离子介电极化率数据缺失?机器学习填补其遗憾瑕疵!ViSNet:用于分子性质预测和动力学模拟的通用分子结构建模网络
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。