CN114722066A - 一种预测材料自旋霍尔电导及反常霍尔电导的方法 - Google Patents

Abstract

本发明涉及赫斯勒材料的输运性质领域，具体涉及一种预测材料自旋霍尔电导及反常霍尔电导的方法。本发明针对自旋电子学应用材料的要求，首次结合数据库和高通量第一性原理计算材料数据训练模型，通过采用全势局域轨道最小基代码杜绝了现有赝势算法精准度低的问题；然后通过对哈密顿量的进行遍历和无用项的删减，以克服哈密顿量矩阵复杂度大量膨胀的问题，在保留基本信息的基础上，最大限度上降低了矩阵复杂性。在保证效率的前提下，又增加了计算结果的准确度。本发明有助于加快自旋电子学材料筛选时间，对材料实验合成有指导意义，可推广至其他功能性材料的筛选过程。

Description

一种预测材料自旋霍尔电导及反常霍尔电导的方法

技术领域

本发明涉及赫斯勒(Heusler)材料的输运性质领域，具体涉及一种预测材料自旋霍尔电导(SHC)及反常霍尔电导(AHC)的方法，基于高通量第一性原理计算。

背景技术

随着在集成电路器件中广泛使用半导体后，如何在半导体中有效地注入自旋成为了一个急需解决的问题。之前所用的向半导体中注入自旋的方法会受到自旋弛豫的约束，而通过铁磁体产生自旋流再注入半导体中又不太实用，因为铁磁体和半导体之间的电导率不匹配，所以很多电子的自旋极化在通过两者的界面时都会损失掉。

而自旋霍尔效应的发现为半导体中自旋流的注入提供了一个行之有效的办法。在利用自旋霍尔效应为半导体注入自旋流时没有用到铁磁体所以不用考虑电导率不匹配的问题，而且和普通的自旋流注入方法相比这种方法中自旋输运是一种无耗散的过程。还有一种无耗散输运的过程就是著名的超导现象，这种现象对物理学的发展产生了巨大的影响，而同为无耗散输运过程的自旋霍尔效应我们有理由认为其也具有巨大的发展前景。

赫斯勒合金材料自从三元赫斯勒合金NiMnSb面世以来，就一直被无数的科学家关注并投入研究。由于其费米能级附近特殊的能带结构，而产生的接近100％自旋极化率，使得其在自旋电子学中的地位尤其重要，作为新型功能材料有着极大的潜力。赫斯勒合金有相当多的物理性能，如半金属铁磁性等，这导致了半金属赫斯勒合金的自旋极化率极高，使其成为实验制备自旋电子学器件的首选材料之一。越来越多的半金属赫斯勒合金有望制成自旋电子学器件并投入使用，例如巨磁阻效应而研发的读写磁头等。因此，半金属赫斯勒合金的深入研究会极大的推动自旋电子学这一学科的发展，而且具有广泛的应用前景。研究表明半金属赫斯勒合金正是现代科技社会突破和发展所急需的优秀材料。然而一般来说，赫斯勒合金具有许多不同的原子占位，会出现无数的带有各种可能性质的新合金，这极大地制约了对赫斯勒合金的实验工作进展。

随着计算机计算能力的提升和大数据时代的繁荣发展，采用计算机模拟技术研究可以节约昂贵的材料与人力成本，因此结合设计和计算新材料的高需求，材料信息学应运而生。早在2011年，美国启动了“材料基因组计划”，旨在利用数据库中材料的结构与性能的相关性进行新材料的研发。我国相关研究工作应声而起，在2016年将其列入国家重点研发计划。现如今，已涌现了许多非常有用的材料科学数据库，如Material Project、ICSD、AFLOWLIB和Open Quantum Materials Database。在统计学与机器学习(MachineLearning,ML)方法的引领下，新材料设计常采用的范式是第一性原理计算方法与机器学习相结合，在对材料数据库进行扩充的同时，分析数据库中大批量的材料数据，并通过目标属性来筛选候选材料。机器学习方法的引入，可挖掘材料数据性质潜在规律，利用分类、回归等方法大大加快材料性质预测过程，降低计算成本。但目前业界所推崇的材料科学数据库仍存在不足，其所收集的信息主要局限于材料的结构、磁性信息、电子信息、X射线衍射结果等。

而对于更具体的输运信息，如本发明所关注的自旋霍尔电导和反常霍尔电导都缺乏系统的总结。目前针对输运信息的研究都以单个材料为主，且传统的赝势方法会导致原子信息的损失，从而计算结果的准确度较低。

发明内容

针对上述存在问题或不足，本发明的目的在于克服实验“试错法”的盲目性，提供了一种预测材料自旋霍尔电导及反常霍尔电导的方法，基于高通量第一性原理。通过给定晶胞结构，就能实现材料的自旋霍尔电导与反常霍尔电导的自动化流程，操作简单快捷。

一种预测材料自旋霍尔电导及反常霍尔电导的方法，包括以下步骤：

步骤1、对赫斯勒材料初始晶格结构进行自洽计算，以得到该赫斯勒材料的基态布洛赫函数和磁矩信息，并进行分类。

步骤2、使用自动化脚本分析赫斯勒材料能带结构，以确定构建瓦尼尔函数所需要的能量窗口。

步骤3、使用全势局域轨道最小基代码(如FPLO软件包)构建对应赫斯勒材料的哈密顿量，从而获得该赫斯勒材料的所有电子信息。

步骤4、通过瓦尼尔线性响应代码，求解自旋霍尔电导和反常霍尔电导，根据自旋霍尔电导和反常霍尔电导的值，得到具有较大输运性质(SHC大于

AHC大于1000Ω^-1cm^-1)的赫斯勒材料，这些赫斯勒材料将成为自旋电子器件制备的备选材料。

进一步的，所述步骤1具体包括：

步骤1.1在实验结构数据库ICSD中检索并得到赫斯勒合金结构文件，读取所获得的晶格结构文件(具体晶格结构来自于实验测量)，获得晶格常数和空间群信息。

步骤1.2将步骤1.1所获得的晶格常数和空间群信息写入JSON数据库中，形成数据库文件。

步骤1.3通过脚本，自动化生成全势局域轨道最小基代码输入文件，并在输入文件中写入晶格结构与计算条件信息。

步骤1.4进行自洽计算，自洽计算的k点密度为8×8×8，初步获得基态布洛赫函数信息。

步骤1.5在步骤1.4自洽计算文件的基础上进行非自洽计算，得到全势计算下的能带图。

步骤1.6对步骤1.4自洽计算的输出文件进行分析，读取总磁矩信息，并根据总磁矩信息判断赫斯勒材料是否为磁性材料。对于磁性材料，则计算相应的自旋霍尔电导与反常霍尔电导，对于非磁材料则只计算自旋霍尔电导。

进一步的，所述步骤2具体包括：

步骤2.1对步骤1所得分类后的赫斯勒材料的能带结构进行遍历，获得费米能级上下10条能带的能量区间。

步骤2.2对步骤2.1所得能量区间内的费米能级上方大于10条的能带进行分析，获得反纠缠区间。

步骤2.3根据步骤2.2所获得的反纠缠区间和步骤2.1所获得的能量区间，自动化生成瓦尼尔函数输入文件。

进一步的，所述步骤3具体包括：

步骤3.1使用全势局域轨道最小基代码软件包，通过瓦尼尔函数构建哈密顿量。哈密顿量中理论上包含赫斯勒材料的所有电子信息。

步骤3.2对上述哈密顿量的基矢进行遍历：

若某最外层基矢相对其所有最近邻项的哈密顿矩阵元都小于10^-4，则进行截断，并进行下一步。

若所有最外层基矢相对其所有最近邻项的哈密顿矩阵元都大于10^-4，则不进行截断，直接采用该哈密顿量，并进行下一步。

步骤3.3对比由瓦尼尔函数所生成的能带结构与步骤1.5中的全势能带结构进行对比：

若±6eV能带范围内的最大差距<0.01eV，则认为该哈密顿量还有继续优化的空间，并重新返回步骤3.2进行更新。

若该哈密顿量能带范围内的最大差距大于0.01eV，小于0.1eV，则认为该哈密顿量可以准确反映该物质信息，直接采用。若该哈密顿量能带范围内的最大差距大于0.1eV，则直接使用上一个验证成功的哈密顿量。

进一步的，所述步骤4具体包括：

对于步骤1中已确定为磁性的赫斯勒材料，则通过脚本自动化生成反常霍尔电导的计算文件，并自动化提交到高通量计算系统中进行材料计算，所用的k点密度为：200×200×200。

对于步骤3.2中已确定为非磁性的赫斯勒材料，则通过脚本自动化生成自旋霍尔电导的计算文件，并自动化提交到高通量计算系统中进行材料计算，所用的k点密度为：200×200×200。

本发明使用Fireworks(FW)构建了对应的高通量计算框架，Fireworks软件包以python为主要构架，易于学习和维护。通过使用Fireworks中的计算机配置功能及相应的bash脚本接口，构建成流程信息FW，并通过控制节点上传到计算节点，可以较为方便的完成对高通量计算工作，具体的高通量配置信息如图1所示。

相比现有技术，本发明的技术方案具有以下有益技术效果：

1.本发明克服传统“试错法”的不足，节约资源和时间，基于高通量第一性原理计算，给定初始的晶体结构，就能自动实现材料的建模、输入文件准备、性质和准确性判断、自旋霍尔电导和反常霍尔电导的计算及数据库录入，省去了人工干预和监督的过程。

2.本发明通过计算结果可以提前预测材料的自旋(反常)霍尔效应，挑选符合要求的样本进行实验验证，可以节约实验时间和资源，提高实验的效率，起指导作用，避免盲目性。

3.本发明实现了基于全势局域轨道最小基代码的哈密顿量自动构成，避免手动构建哈密顿量的困难。

4.本发明方法实现了基于实验测量的ICSD材料结构数据库，全势局域轨道最小基代码，瓦尼尔线性响应代码的结合。全势局域轨道最小基代码相对比行业传统的使用赝势算法的第一性原理软件，对原子核附近的波函数使用大量短波长的基组来逼近描述，并适当使用格林函数来拼接。传统的赝势方法会进行波函数近核部分的截断，从而导致精准度的下降，全势局域轨道最小基代码杜绝了这一问题但会导致哈密顿量矩阵复杂度大量膨胀，由此我们通过对哈密顿量的进行遍历和无用项的删减，在保留基本信息的基础上，最大限度上降低了矩阵复杂性。在保证效率的前提下，又增加了计算结果的准确度。

综上所述，本发明针对自旋电子学应用材料的要求，首次结合数据库和高通量第一性原理计算材料数据训练模型，通过采用全势局域轨道最小基代码杜绝了现有赝势算法精准度低的问题；然后通过对哈密顿量的进行遍历和无用项的删减，以克服哈密顿量矩阵复杂度大量膨胀的问题，在保留基本信息的基础上，最大限度上降低了矩阵复杂性。在保证效率的前提下，又增加了计算结果的准确度。本发明从多种由过渡金属组成的赫斯勒合金中找出有望在实验上合成且具有高SHC和高AHC的材料，有助于加快自旋电子学材料筛选时间，对材料实验合成有指导意义，可推广至其他功能性材料的筛选过程。

附图说明

图1为本发明的高通量框架附图；

图2为实施例的数据库格式；

图3为本发明的流程图。

具体实施方式

下面附图和实验实例对本发明进行详细说明。

实施例：

一种预测材料自旋霍尔电导及反常霍尔电导的方法，具体步骤如下：

步骤1：对Co₂MnGa进行自洽计算并分析磁性情况

步骤1.1通过材料数据库ICSD下载Co₂MnGa结构文件，具体索引为：mp-3530。通过使用脚本分析，该材料的晶格常数为：5.725，空间群为：225。

步骤1.2将步骤1.1中得到的晶格信息写入JSON数据库中，具体包括晶格常数，空间群，材料元素组成，材料元素占位信息等，具体如图2所示。

步骤1.3通过Linux系统的bash脚本，由全势局域轨道最小基代码的fedit命令自动化生成输入文件＝.in，在输入文件中除构建步骤1.2中的结构信息外，还将初始磁矩设定为：1.0μB，在相对论方法下考虑自旋轨道耦合，交换势使用PBE泛函。

步骤1.4通过PBS任务管理系统提交步骤1.3的输入文件，进行自洽计算和非自洽运算，自洽计算所使用的k点密度为8×8×8。

步骤1.5通过脚本自动化分析步骤1.4自洽计算输出文件的磁性信息，得到总磁矩为4.09μB，该材料为磁性材料，将计算自旋霍尔电导和反常霍尔电导。

步骤2.使用全势局域轨道最小基代码FPLO软件包得到哈密顿量。

步骤2.1，对步骤1.4非自洽计算得到的能带结果进行遍历，得到能量窗口为：-5.3～5.2eV。

步骤2.2，对能量窗口中的其余能带进行分析，得到反纠缠能带窗口为：-9.2～10.5eV。

步骤2.3使用python脚本，根据步骤2.1和步骤2.2中得到的能量窗口和反纠缠能带窗口，自动化生成哈密顿量输入文件。

步骤3.根据步骤2.3得到的哈密顿量输入文件，使用全势局域轨道最小基代码FPLO软件包生成哈密顿量，并通过后处理得到精简后的哈密顿量文件“+hamdata”和瓦尼尔拟合能带“+wanband”。将“+wanband”文件和全实能带计算能带文件“+band”进行对比，确认能带差异大于0.01eV，小于0.1eV。

步骤4.对于自旋(反常)霍尔电导计算，k点密度为200×200×200。将所得到的自旋(反常)霍尔电导信息，写入生成的JSON数据库种，得到信息。

上述实验方法仅通过输入晶体结构信息，即可得到相应的自旋霍尔电导和反常霍尔电导的信息，方便快捷。本方法通过第一性原理和线性相应理论，通过批量对材料的自旋(反常)霍尔电导大小进行预测，可以通过初筛提出具有较大应用潜力的材料，提高实验的效率。

表1为300k下，部分材料自旋霍尔电导的预测结果

表2为300k下，部分材料反常霍尔电导的预测结果

通过以上实施例可见，本发明基于高通量计算，利用第一性原理和线性响应理论获得材料自旋霍尔电导和反常霍尔电导的方法，对所有赫斯勒材料的自旋霍尔电导与反常霍尔电导进行了系统性的研究和总结，利用全势方法进行计算，并通过对哈密顿量进行部分部分截断，实现高通量计算的准确性和速度的双重保障。利用高通量计算，首先进行自洽计算，获得材料的基态布洛赫函数和磁性信息。随后，获得瓦尼尔脚本的能量窗口信息，并利用全势局域轨道最小基代码软件包，自动化获得经过能带差异检测过的瓦尼尔函数文件。再通过瓦尼尔线性响应代码，获得自旋霍尔电导和反常霍尔电导信息。最后通过获得自选霍尔电导和反常霍尔电导信息，有助于筛选新的自旋器件材料。

Claims (5)

1.一种预测材料自旋霍尔电导及反常霍尔电导的方法，其特征在于，包括以下步骤：

步骤1、对赫斯勒材料初始晶格结构进行自洽计算，以得到该赫斯勒材料的基态布洛赫函数和磁矩信息，并进行分类；

步骤2、使用自动化脚本分析赫斯勒材料能带结构，以确定构建瓦尼尔函数所需要的能量窗口；

步骤3、使用全势局域轨道最小基代码构建对应赫斯勒材料的哈密顿量，从而获得该赫斯勒材料的所有电子信息；

步骤4、通过瓦尼尔线性响应代码，求解自旋霍尔电导和反常霍尔电导，根据自旋霍尔电导和反常霍尔电导的值，得到输运性质SHC大于

AHC大于1000Ω^-1cm^-1的赫斯勒材料，这些赫斯勒材料将成为自旋电子器件制备的备选材料。

2.如权利要求1所述预测材料自旋霍尔电导及反常霍尔电导的方法，其特征在于，所述步骤1具体包括：

步骤1.1在实验结构数据库ICSD中检索并得到赫斯勒合金结构文件，读取所获得的晶格结构文件，获得晶格常数和空间群信息；

步骤1.2将步骤1.1所获得的晶格常数和空间群信息写入JSON数据库中，形成数据库文件；

步骤1.3通过脚本，自动化生成全势局域轨道最小基代码输入文件，并在输入文件中写入晶格结构与计算条件信息；

步骤1.4进行自洽计算，自洽计算的k点密度为8×8×8，初步获得基态布洛赫函数信息；

步骤1.5在步骤1.4自洽计算文件的基础上进行非自洽计算，得到全势计算下的能带图；

步骤1.6对步骤1.4自洽计算的输出文件进行分析，读取总磁矩信息，并根据总磁矩信息判断赫斯勒材料是否为磁性材料；对于磁性材料，则计算相应的自旋霍尔电导与反常霍尔电导，对于非磁材料则只计算自旋霍尔电导。

3.如权利要求1所述预测材料自旋霍尔电导及反常霍尔电导的方法，其特征在于，所述步骤2具体包括：

步骤2.1对步骤1所得分类后的赫斯勒材料的能带结构进行遍历，获得费米能级上下10条能带的能量区间；

步骤2.2对步骤2.1所得能量区间内的费米能级上方大于10条的能带进行分析，获得反纠缠区间；

步骤2.3根据步骤2.2所获得的反纠缠区间和步骤2.1所获得的能量区间，自动化生成瓦尼尔函数输入文件。

4.如权利要求1所述预测材料自旋霍尔电导及反常霍尔电导的方法，其特征在于，所述步骤3具体包括：

步骤3.1使用全势局域轨道最小基代码软件包，通过瓦尼尔函数构建哈密顿量，哈密顿量中包含赫斯勒材料的所有电子信息；

步骤3.2对上述哈密顿量的基矢进行遍历：

若某最外层基矢相对其所有最近邻项的哈密顿矩阵元都小于10^-4，则进行截断，并进行下一步；若所有最外层基矢相对其所有最近邻项的哈密顿矩阵元都大于10^-4，则不进行截断，直接采用该哈密顿量，并进行下一步；

步骤3.3对比由瓦尼尔函数所生成的能带结构与步骤1.5中的全势能带结构进行对比：

若±6eV能带范围内的最大差距<0.01eV，则认为该哈密顿量还有继续优化的空间，并重新返回步骤3.2进行更新；

若该哈密顿量能带范围内的最大差距大于0.01eV，小于0.1eV，则认为该哈密顿量可以准确反映该物质信息，直接采用；若该哈密顿量能带范围内的最大差距大于0.1eV，则直接使用上一个验证成功的哈密顿量。

5.如权利要求1所述预测材料自旋霍尔电导及反常霍尔电导的方法，其特征在于，所述步骤4具体包括：

对于步骤1中已确定为磁性的赫斯勒材料，则通过脚本自动化生成反常霍尔电导的计算文件，并自动化提交到高通量计算系统中进行材料计算，所用的k点密度为：200×200×200；

对于步骤3.2中已确定为非磁性的赫斯勒材料，则通过脚本自动化生成自旋霍尔电导的计算文件，并自动化提交到高通量计算系统中进行材料计算，所用的k点密度为：200×200×200。

Images