[论文解读] A predictive bond order model connects covalent superconductivity, including cuprates, oxypnictides or HfN based materials

H. Óesterreicher|ArXiv.org|Nov 18, 2008

Iron-based superconductors research参考文献 6被引用 3

一句话总结

该论文提出了一种预测性键序模型（ECI模型），将铜氧化物超导体、氧砷化物超导体以及基于HfN的材料中超导转变温度（Tc）与电子对晶格（EC）密度及层间隔离性联系起来。通过将Tc与掺杂浓度关联为Tc = 2npfTe，其中经验常数Te = 600K（空穴型）或300K（电子型），该模型准确预测了最佳掺杂水平——如c = 0.22和c = 0.17——在铜氧化物、氧砷化物及HfN基材料中的表现，通过具有特定晶格周期性的周期性EC结构解释了Tc的尖锐最大值和平台区，这些结构对应于特定的晶格重复周期。

ABSTRACT

A phenomenological bond order model predicting doping curves [Tc vs doped charge, c] of cuprates is found to have wider applicability. In this model Tc is dependent on the density of electronic pair crystals [EC] in a covalently bonding layer structure and on a layer Isolation factor, f [ECI model]. Characteristic doping curve events such as optima are correlated with a select number of EC with pair repeats corresponding to multiples of lattice parameters such as c=2/3x4=0.167, where 3x4 represent pair periodicity of 3a0 and 4b0. At these EC all doped charge is converted into pairs according to c=2np. For Tc prediction one writes Tc=2npfTe, where Te=600K and 300K as empirical constants for hole and electron doping. Doping curves for YBa2Cu3Oy with their sharp optima or kinks, separated by near linear ranges, or Tc plateaus on different preparations, can express the stability of special EC. Examples are c=0.22=2/32 for the sharp optimum or the Tc=90K plateau, and c= 0.17 for the 60K plateau, the latter depicting also the optimum for other systems such as La2-wSrwCuO4. For oxypnictides R[O1-xFx]FeAs one writes Tc=300x and expects EC with optimal dopings at x=0.11 and 0.17, as corroborated experimentally. Other examples include HfN derivatives such as Li0.17HfNCl.

研究动机与目标

• 开发一个统一的唯象模型，以解释多种共价超导体中掺杂依赖的Tc曲线。
• 阐明在铜氧化物及其相关材料中观察到的Tc尖锐最优值与平台区的物理起源。
• 将最佳掺杂水平与共价键合层中特定电子对晶格（EC）周期性相关联。
• 将该模型的预测能力扩展至氧砷化物和基于HfN的超导体。
• 确立空穴型与电子型体系的经验常数（Te = 600K，300K），以实现Tc的定量预测。

提出的方法

• ECI模型将Tc定义为配对密度（2np）、层间隔离因子（f）与经验温度常数（Te）乘积的正比函数。
• 最佳掺杂对应于所有掺杂电荷均转化为配对态的EC构型，遵循c = 2np关系，适用于特定EC周期性（如3a₀和4b₀）。
• 利用晶格参数的倍数（如c = 2/32 = 0.22）识别具有最大Tc的稳定EC结构。
• 对于氧砷化物，Tc被预测为Tc = 300x，最佳掺杂位于x = 0.11和x = 0.17，与实验观测一致。
• 该模型适用于HfN衍生物（如Li₀.₁₇HfNCl），将适用范围扩展至铜氧化物与氧砷化物之外。
• 采用经验常数Te = 600K（空穴掺杂）与300K（电子掺杂）对不同体系的Tc预测进行校准。

实验结果

研究问题

• RQ1 在YBa₂Cu₃Oᵧ等铜氧化物中观察到的Tc尖锐最优值的物理机制是什么？
• RQ2 特定电子对晶格（EC）周期性如何与共价超导体中的最佳掺杂水平相关联？
• RQ3 是否存在一个单一的唯象模型，能够预测包括铜氧化物、氧砷化物和基于HfN的材料在内的多种共价超导体的Tc？
• RQ4 层间隔离因子（f）在调控多层共价超导体中Tc的作用是什么？
• RQ5 经验常数Te = 600K与300K如何实现对空穴型与电子型体系Tc的精确预测？

主要发现

• 该模型预测YBa₂Cu₃Oᵧ在c = 0.22（2/32）处出现尖锐的Tc最优值，与实验测得的Tc = 90K一致。
• 在c = 0.17处预测到60K的Tc平台，与YBa₂Cu₃Oᵧ和La₂₋wSrₘCuO₄中的实验观测相符。
• 对于氧砷化物R[O₁₋ₓFₓ]FeAs，该模型预测最优Tc出现在x = 0.11与x = 0.17，实验已证实。
• ECI模型将铜氧化物中Tc的平台与拐点归因于具有特定周期性（如3a₀与4b₀）的稳定EC构型。
• 该模型成功预测了Li₀.₁₇HfNCl等基于HfN的材料的Tc，证明其在铜氧化物之外的广泛适用性。
• 经验常数Te = 600K（空穴掺杂）与300K（电子掺杂）在多个体系中均实现了对Tc的精确预测。