UCSB研发量子传感技术,具备纳米级别的空间分辨率

简介:

如果用一个原子来捕捉纳米材料的高分辨率图像听起来像科幻小说。

但这正是加州大学巴巴拉分校(UCSB)量子传感和成像研究组已经实现的技术。物理学家Ania jayich实验室的成员历时两年开发出一种全新的传感器技术,具有纳米尺度的空间分辨率和精致的敏感性。他们的这一成果已刊登在《自然》科学杂志上。

“这是第一种该类工具。”UCSB的科学和工程讲席教授,校材料研究实验室副主任jayich说。“它的工作温度从室温到低温,低温下会发生很多有趣的物理现象。例如,当热能足够低时,电子相互作用的结果便可以观察到,这导致新的物理相。现在我们可以用前所未有的空间分辨率来探测这些。”

在显微镜下,独特的单自旋量子传感器类似于牙刷。每个“毛”包含一个单一的、坚实的纳米金刚石晶体,其顶端具有一种特殊的缺陷,氮空位(NV)中心。在钻石的碳晶格中,有2个相邻的原子缺失,其中一个空位被氮原子填充,能够感应特定的材料特性,特别是磁性的传感。这些传感器在UCSB的洁净室完成生产加工。

研究团队选择了一个相对较好的超导材料进行研究,该材料含有称为涡流——磁通的局部区域的磁性机构。研究人员能够使用他们的仪器,对单个涡流进行成像。

“我们的工具是一个量子传感器,因为它依赖于神奇的量子力学,”jayich解释。“我们把NV缺陷处于量子叠加态,它可以是一个状态或另一个——我们不知道,然后我们让系统在场效应下发展并测量。这种叠加的不确定性实现了测量。”

这样的量子行为通常与低温环境有关。然而,本研究组的专业量子仪器可在室温及6开尔文(约零下450°华氏度)工作,这使得它非常灵活、独特,能够用于研究各种相的物质以及相关的相变。

“很多其他显微镜工具没有这么大范围的工作温度,”jayich解释。“我们的工具的另一个亮点是它有出色的空间分辨率,因为该传感器包括一个单一的原子。另外,它的尺寸使得它具有非侵入性,这意味着它能最小限度的影响材料系统的基本物理性质。”

研究团队目前正在对“斯格明子”—磁旋涡状结构的准粒子—进行成像,这对未来的数据存储和自旋电子技术具有巨大的吸引力。他们的目标是利用仪器的纳米级空间分辨率,确定引起“斯格明子”的竞争相互作用的相对强度。“原子之间有很多不同的相互作用,你需要了解所有这些相互作用,之后才可以预测材料的行为。”jayich说。

“如果你能想象到材料磁畴的大小,以及它们是如何在小尺度上进化的,然后你能了解这些相互作用的数值和强度,”他补充说。“在未来,这个工具将有助于理解材料相互作用的性质和强度,然后带来有趣的新物质状态和物质相,这是不仅有利于基础物理,对技术也很有帮助。”

本文转自d1net(转载)

相关文章
|
1月前
|
机器学习/深度学习 人工智能 5G
探索5G革命中的虚拟化基站(vRAN):定义、功能与前景
探索5G革命中的虚拟化基站(vRAN):定义、功能与前景
102 5
|
1月前
|
边缘计算 自动驾驶 物联网
5G 如何实现大规模天线阵列:赋予无线通信全新力量
5G 如何实现大规模天线阵列:赋予无线通信全新力量
76 0
|
6月前
|
机器学习/深度学习 存储 人工智能
边缘AI与嵌入式存储器的革新:实现数据智能化的关键
边缘AI与嵌入式存储器的革新:实现数据智能化的关键
209 10
|
算法 搜索推荐
串稳定混合交通的协同自适应巡航控制:基准和以人为本的设计(Matlab代码实现)
串稳定混合交通的协同自适应巡航控制:基准和以人为本的设计(Matlab代码实现)
|
传感器 机器学习/深度学习 编解码
自动驾驶 | 毫米波雷达视觉融合方案综述(数据级/决策级/特征级融合)
自动驾驶在复杂场景下的目标检测任务至关重要,而毫米波雷达和视觉融合是确保障碍物精准检测的主流解决方案。本论文详细介绍了基于毫米波雷达和视觉融合的障碍物检测方法,从任务介绍、评估标准和数据集三方面展开。
自动驾驶 | 毫米波雷达视觉融合方案综述(数据级/决策级/特征级融合)
带你读《智慧光网络:关键技术、应用实践和未来演进》——2.4.3 半导体放大技术
带你读《智慧光网络:关键技术、应用实践和未来演进》——2.4.3 半导体放大技术
|
传感器 机器学习/深度学习 人工智能
低能耗低时耗,中科院&香港大学团队使用新方法进行多任务学习的可穿戴传感器内储层计算
低能耗低时耗,中科院&香港大学团队使用新方法进行多任务学习的可穿戴传感器内储层计算
100 0
|
传感器 机器学习/深度学习 存储
多传感器融合理论及其应用——2
多传感器融合理论及其应用——2
133 0
|
传感器 测试技术
多传感器融合理论及其应用——1
多传感器融合理论及其应用——1
99 0
|
传感器 机器学习/深度学习 编解码
多传感器融合新思路!CRAFT:一种基于空间-语义信息互补的RV融合3D检测方法
为了解决late-fusion无法充分发挥两种模态互补性的缺点,作者提出了一种proposal-level的毫米波与相机融合方法,首先为了解决毫米波角分辨率低导致的难以区分径向物体以及多径干扰造成的假阳性幽灵点的问题,对毫米波数据使用图像数据进行增强生成带有语义特征的雷达特征,随后通过图像模态的预测框转换到极坐标系中自适应地融合增强后的雷达特征,完成了spatial-contextual两个层面的融合,融合结构采用了传统的transformer的encoder结构,完美地兼容了两个模态之间的数据结构上的差异,最后作者在nuScenes数据集上达到了mAP:41.1%和NDS:52.3%,相比B
多传感器融合新思路!CRAFT:一种基于空间-语义信息互补的RV融合3D检测方法
下一篇
无影云桌面