[论文解读] Quantum paraelectricity and structural phase transitions in strontium titanate beyond density-functional theory

Carla Verdi, Luigi Ranalli+2 more|arXiv (Cornell University)|Nov 17, 2022

Ferroelectric and Piezoelectric Materials被引用 4

一句话总结

本研究结合机器学习力场（MLFF）与随机相位近似（SSCHA），实现了对钛酸锶（SrTiO₃）中温度依赖的非谐振动与量子效应的超越密度泛函理论（beyond-DFT）计算。结果表明，随机相位近似（RPA）对于准确捕捉软铁电模式与量子反铁电行为至关重要，而标准DFT泛函则无法再现实验测得的声子频率与介电响应。

ABSTRACT

We demonstrate an approach for calculating temperature-dependent quantum and anharmonic effects with beyond density-functional theory accuracy. By combining machine-learned potentials and the stochastic self-consistent harmonic approximation, we investigate the cubic to tetragonal transition in strontium titanate and show that the paraelectric phase is stabilized by anharmonic quantum fluctuations. We find that a quantitative understanding of the quantum paraelectric behavior requires a higher-level treatment of electronic correlation effects via the random phase approximation. This approach enables detailed studies of emergent properties in strongly anharmonic materials beyond density-functional theory.

研究动机与目标

• 开发一种通用框架，以超越标准DFT的方法精确模拟强关联钙钛矿氧化物中温度依赖的非谐与量子晶格动力学。
• 探究SrTiO₃中量子反铁电性的起源，特别是非谐量子涨落对反铁电相稳定性的贡献。
• 评估不同电子结构泛函（尤其是PBEsol、rSCAN、HSE06与RPA）在描述铁电软模及其温度依赖性方面的准确性。
• 确定超越DFT方法（如RPA）是否为正确描述量子反铁电体中能量景观与相变所必需。
• 建立可靠的计算协议，用于研究复杂氧化物中新兴的量子现象，如量子临界性与稀释超导性。

提出的方法

• 采用基于RPA计算力的Δ机器学习方法训练机器学习原子间势（MLFF），以实现从头算精度。
• 应用随机自洽谐波近似（SSCHA）非微扰处理非谐晶格动力学，并计算温度依赖的声子频率。
• 利用RPA水平的MLFF计算吉布斯自由能景观，识别SrTiO₃中立方相与四方相的稳定性。
• 执行有限温度计算，以捕捉由非谐性引起的声子模式、晶格参数与内部自由度的重整化效应。
• 对比不同交换关联泛函（PBEsol、rSCAN、HSE06、RPA）的结果，以分离电子关联在软模行为中的作用。
• 分析E_u与A_2u模式的介电函数与能级分裂，以实验数据验证量子临界标度与模式软化行为。

实验结果

研究问题

• RQ1 超越DFT方法能否准确描述SrTiO₃中铁电软模的温度依赖软化行为，该行为是其量子反铁电性的核心？
• RQ2 为何标准DFT泛函（如PBEsol与rSCAN）无法再现实验观测到的软模频率及其温度依赖性？
• RQ3 与局域泛函相比，随机相位近似（RPA）在描述铁电不稳定性与非谐晶格动力学方面改善程度如何？
• RQ4 非谐晶格畸变与量子涨落如何共同作用以稳定SrTiO₃中的反铁电相？
• RQ5 RPA是否足以准确描述AFD相变温度，还是需要更高阶的相关效应来校正其对键长与体积的过度估计？

主要发现

• 基于RPA的MLFF准确再现了铁电软模频率在约25 K以下的平台行为及其随温度上升的后续增加趋势。
• 标准局域泛函（PBEsol、rSCAN）与杂化泛函（HSE06）显著高估了铁电模频率，在0 K时预测值偏硬8–10 meV。
• RPA正确捕捉了E_u与A_2u铁电模之间的能级分裂，该分裂由c/a比的非谐弛豫所主导。
• 通过rSCAN引入的非谐晶格膨胀仅使铁电模频率降低约2 meV，表明DFT的主要缺陷在于电子关联，而非晶格动力学。
• RPA预测的反铁畸变（AFD）相变温度过高，表明即使超越RPA的方法仍需用于校正系统性欠键合问题。
• 本研究确立了RPA在模拟SrTiO₃中量子临界效应中的必要性，因其准确再现了实验观测到的介电函数量子临界标度。