UCLA相关

UCLA团队研发高分辨率三维矢量成像技术，能直接观测拓扑磁单极子结构，已累计生成数百个正负拓扑磁单极子

美国加州大学洛杉矶分校相干成像组教授深耕相干成像领域，已经快有三十年。他曾开发一种可用于观察纳米材料和生物标本的高分辨率三维成像物理方法，也曾开创相干衍射的成像方法。目前，全球学界均在使用的无透镜成像技术均来自于相干衍射法。近日，该团队又迎来一款新成果 。和课题组 在三维磁性材料中产出了上百个拓扑磁单极子，并研发一款高分辨率的三维矢量成像技术（soft x-ray vector tomography），比此前同类技术的分辨率高出 5 到 10 倍。他们还探索了拓扑磁单极子在纳米尺度的成像、以及它们之间的相互作用[1]。图 | 缪建伟（来源：个人主页）利用该团队的磁性体系（ferromagnetic meta-lattice）中的几何阻挫，他们累计生成数百个正负拓扑磁单极子。基于此，课题组统计了两个正拓扑磁单极子、以及两个负拓扑磁单极子之间的平均距离，分别是 36 纳米和 43 纳米；而正拓扑磁单极子和负拓扑磁单极子之间的距离则是 18 纳米。这说明拓扑磁荷和我们熟悉的电荷一样，呈现出异荷相互吸引、同荷相互排斥的特征。该团队表示：“这也是学界首次在小于 10 纳米的微小尺度的三维磁性体系里，研究拓扑磁单极子的结构和相互作用。”相关论文被评审专家称为是“三维矢量场成像和分析方面的杰作”。该课题组的磁性体系，具备稳定生成大量拓扑磁单极子的能力。因此，这一磁性体系是研究拓扑磁单极子动力学的一个很好的平台。而对于拓扑磁单极子动力学的研究，还能带来很多其他应用前景。比如，磁性体系中的拓扑激发，是很好的稳定型信息载体[2]。以我们常用的电子器件为例，其主要利用了电子带电的特性。但是，电子还具备自旋的特性。因此，学界一直希望利用自旋这一自由度来制备器件。这样做的好处之一在于，所需的能耗比以前更低。举例来说，在绝缘的磁性体系里面有局域的磁矩，但是由于没有电流所以就没有焦耳热。那么，就像利用电子传递信息一样，其实也可以利用自旋来传递信息。然而，由于现实中的真实体系通常没有那么完美，在传播过程中这些自旋很快就会消失。基于此，为了更加稳定地利用自旋这一自由度来传递信息，该团队之前曾提出拓扑复合粒子来传递信息[2] ，这种粒子由磁性中的自旋组成。对于拓扑磁单极子来说，凭借自身的拓扑性质，它们不会在传播过程中消失。这意味着，拓扑磁单极子是一种可以传输信息的粒子。此外，这些磁性拓扑结构也可用于信息存储、能量存储、量子计算、量子通信等[3]。而研究人员此次研发的高分辨率三维矢量成像技术，则可用于直接观测拓扑磁单极子的结构、以及它们之间的相互作用。同样的，也可借助该技术观测其他三维磁性拓扑拓扑结构，比如 skyrmion tube、以及最近备受关注的 Hopfion。更广泛地说，在所有和 X 射线成像相关的领域里，这项技术都有一定的用武之地。在材料中制备大量稳定的拓扑磁单极子那么，最初该团队定下这一课题的初衷到底是什么？他们表示，磁单极子可以想象成是一种带磁荷的基本粒子，就像电子是带电荷的基本粒子一样。不过和电子不同的是，虽然学界曾从理论角度预言：磁单极子具备存在的可能性，并且还能借此解释电荷必须是量子化的原因（即狄拉克量子化条件）。然而，截至目前人们从未在宇宙中发现过磁单极子。但是在凝聚态体系中，有些被激发的准粒子和磁单极子非常相似 [2]。在三维的磁性体系中，有一种拓扑激发叫做拓扑磁单极子，这种磁单极子可被看成是一种复合粒子，它由很多小型带自旋的粒子组成。在该团队的磁性体系中，每一个磁矩都可以指向不同方向。比如，当所有的自旋都指向外的时候（就像一个刺猬样），这时的自旋构型被称为正拓扑磁单极子。类似的，当所有自旋都指向内的时候，这种自旋构型叫做负拓扑磁单极子。而之所以说它们是拓扑磁单极子，是因为当连续扭曲这些组成拓扑磁单极子的自旋时，它所对应的磁荷不会改变。比如在下方拼图中，左右两图都是正的拓扑磁单极子。左图是一个所有自旋都指向外的完美构型；而右图指的是，该团队在他们的体系中发现了真实的正拓扑磁单极子。（来源：资料图）在真实的材料中，由于各种各样的原因，拓扑磁单极子往往是不完美的，即所有自旋不会都指向外或者都指向内。不过由于其自身的拓扑性质，拓扑磁单极子的磁荷依旧是+1 或者-1。打个比方，想象一个带洞的橡胶纸片，当我们随意拉扯橡胶纸片时，洞的形状也会发生改变，但是洞的数目不会发生改变。而橡胶纸片里面的洞，就相当于三维磁性材料里面的拓扑磁单极子。这种拓扑磁单极子一般在纳米尺度，很容易从材料边界“逃走”。因此，无论是在材料中制备大量稳定的拓扑磁单极子，还是对它们进行直接成像，都面临着一定的困难。基于上述背景，课题组开展了本次研究。明显高于异荷之间 20 纳米左右的距离样品制备和成像实验，是本次课题最重要的两个步骤。有了实验数据之后，该团队从数据中重构了磁性材料