Busca avançada
Ano de início
Entree

Análises de megadados para ciências de materiais: à procura de novos isolantes topológicos

Processo: 16/04496-9
Linha de fomento:Bolsas no Exterior - Estágio de Pesquisa - Doutorado
Vigência (Início): 01 de junho de 2016
Vigência (Término): 31 de maio de 2017
Área do conhecimento:Ciências Exatas e da Terra - Física - Física da Matéria Condensada
Pesquisador responsável:Adalberto Fazzio
Beneficiário:Carlos Augusto Mera Acosta
Supervisor no Exterior: Matthias Scheffler
Instituição-sede: Instituto de Física (IF). Universidade de São Paulo (USP). São Paulo , SP, Brasil
Local de pesquisa : Max Planck Society, Berlin, Alemanha  
Vinculado à bolsa:14/12357-3 - Tansistor baseado em spintrônica: caracterização topológica e transporte balístico em isolantes topológicos, BP.DR
Assunto(s):Simulação por computador   Transporte eletrônico   Big data   Efeito Hall quântico

Resumo

Um dos objetivos fundamentais da spintrônica é entender o mecanismo pelo qual é possível ter um controle eficiente da configuração de spin e das correntes de spin. A geração de correntes de spin, a injeção de spin e a conservação de spin são mediadas pela interação spin-órbita (SOC) principalmente pelo efeito Rashba e/ou efeitos topológicos. Portanto, a busca de sistemas com essas propriedades constitui um interesse primordial para o desenvolvimento de dispositivos em spintrônica. Estudar as propriedades de transporte em um modelo de transistor e propor sistemas cujas propriedades de transporte eletrônico sejam oriundas dos estados metálicos topologicamente protegidos é o objetivo principal do atual projeto de doutorado. A abordagem habitual para predizer isolantes topológicos (IT's) começa com um processo de tentativa-erro para encontrar um novo material e depois, usando cálculos DFT verificar se esse material satisfaz as propriedades requeridas. Esses cálculos têm alto custo computacional, e portanto, o processo tentativa-erro não é viável. Uma vez que a quantidade de dados calculados para encontrar sistemas com uma propriedade específica aumenta exponencialmente com o tempo, as análises de big-data em ciência de materiais são uma estratégia adequada para ultrapassar o problema associado com o custo computacional e construir modelos preditivos. A aprendizagem estatística consiste em encontrar os mecanismos que determinam o comportamento de uma propriedade ou função e a descreve em termos de um conjunto de parâmetros com significado físico (descritores). O Prof. Dr. Scheffler determinou os requerimentos para encontrar um descritor adequado e demonstrou a forma de o encontrar sistematicamente. A proposta principal da visita ao grupo do Prof. Dr. Scheffler no Fritz Haber Institute da Sociedade Max Planck é encontrar o descritor adequado para os ITs, isto baseado nos conceitos de comprimir e medir sinais, e portanto, construir modelos preditivos para estes sistemas. Começaremos realizando cálculos DFT para sistemas com fases tipológicas não triviais, logo construiremos possíveis descritores para estes sistemas e finalmente encontraremos modelos preditivos para ITs com as propriedades de transporte que permitam a construção de um transistor baseado em spintrônica. Acreditamos que este trabalho abrirá uma nova área de pesquisa na física de materiais, contribuindo à descoberta das variáveis atómicas que determinam as propriedades topológicas de um sistema e permitirá encontrar novos materiais com fases tipológicas não triviais que possam ser integrados à tecnologia atual. (AU)