Cornell kvantforskare har upptäckt en svårgripbar fas av materia, kallad Bragg-glasfasen, med hjälp av stora volymer röntgendata och ett nytt verktyg för maskininlärning av data. Upptäckten avgör en långvarig fråga om huruvida detta nästan – men inte riktigt – ordnade tillstånd av Bragg-glas kan existera i verkliga material.
Tidningen, "Bragg glassignaturer i Pdx ErTe3 med röntgendiffraktion Temperatur Clustering (X-TEC)," publiceras i Nature Physics . Huvudförfattare är Krishnanand Madhukar Mallayya, en postdoktor vid institutionen för fysik vid College of Arts and Sciences (A&S). Eun-Ah Kim, professor i fysik (A&S), är motsvarande författare. Forskningen utfördes i samarbete med forskare vid Argonne National Laboratory och vid Stanford University.
Forskarna presenterar det första beviset på en Bragg-glasfas som detekteras från röntgenspridning, som är en sond som når hela huvuddelen av ett material, i motsats till bara ytan av ett material, i en systematiskt oordnad laddningstäthetsvåg ( CDW) material, Pdx ErTe3 . De använde omfattande röntgendata och ett nytt dataanalysverktyg för maskininlärning, X-ray Temperature Clustering (X-TEC).
"Trots dess teoretiska förutsägelse för tre decennier sedan saknades konkreta experimentella bevis för CDW Bragg-glas i huvuddelen av kristallen", sa Mallayya.
Teoretiskt sett finns det en skarp skillnad mellan tre faser:långväga ordning, Bragg-glas och oordnat tillstånd, sa Kim. I det oordnade tillståndet avtar CDW-korrelationen inom ett ändligt avstånd. I det långdistansordnade tillståndet fortsätter laddningstäthetens vågkorrelation på obestämd tid.
I Bragg-glasfasen, fortsatte Kim, CDW-korrelationen avtar så långsamt att den bara kommer att försvinna helt på oändliga avstånd.
"Utmaningen är att upptäcka dessa skillnader från experimentella data som också återspeglar verkliga problem som brus och ändlig upplösning av experimentupplägget," sa Kim.
Forskarna övervann viktiga utmaningar genom strategisk synergi mellan material, data och verktyg för maskininlärning. På materialfronten hittade de, i samarbete med forskare vid Stanford, en familj av CDW-material som kommer att möjliggöra en systematisk studie med kontroll över smuts att använda i experimentet — Pdx ErTe3 . På datafronten tog de enorma mängder data vid Argonne National Laboratory i samarbete med Argonne-forskare.
På maskininlärningsfronten använde de X-TEC, ett maskininlärningsverktyg, för att analysera den enorma mängden data med ett skalbart och automatiserat tillvägagångssätt.
"En experimentell upptäckt av Braggs glasfas genom röntgendiffraktion har löst den öppna frågan om ödet för CDW-order som är föremål för smuts," sa Mallayya.
Utöver det specifika vetenskapliga problemet presenterar artikeln ett nytt forskningssätt i en tidsålder av stora data, sa Kim, "Med hjälp av verktyg för maskininlärning och datavetenskapliga perspektiv kan vi gå efter utmanande frågor och spåra subtila signaturer genom en omfattande dataanalys."
Forskarna skrev att denna upptäckt av Braggs glasordning och det resulterande fasdiagrammet avsevärt främjar vår förståelse av det komplexa samspelet mellan störningar och fluktuationer. Dessutom kan användning av X-TEC för att rikta in sig på fluktuationer genom ett högkapacitetsmått på "toppspridning" revolutionera hur fluktuationerna studeras i spridningsexperiment.
Mer information: Krishnanand Mallayya et al, Bragg glassignaturer i Pdx ErTe3 med röntgendiffraktionstemperaturklustring, Naturfysik (2024). DOI:10.1038/s41567-023-02380-1
Tillhandahålls av Cornell University
