Du musst Regestriert sein, um das angehängte Bild zusehen.
Der renommierte Physiker Krishnanand Mallayya und sein Team an der Cornell University haben erfolgreich die Bragg-Glas-Phase nachgewiesen, eine bisher nur theoretisch postulierte Materiephase.Diese faszinierende Entdeckung könnte einen bedeutenden Meilenstein in der Physik darstellen, da sie in speziellen leitfähigen Materialien eine verlustfreie Stromübertragung ermöglicht und unter Magnetfeldern ihre außergewöhnlichen Eigenschaften beibehält, indem sie magnetische Energie geordnet absorbiert.
Physik: Bahnbrechende Entdeckung der Bragg-Glas-Phase
In einer wegweisenden Studie, veröffentlicht in Nature Physics, haben die Forscher die Bragg-Glas-Phase in einer Legierung aus Palladium, Terbium und Tellur (PdxErTe3) identifiziert.Diese Phase zeichnet sich durch eine halbgeordnete Struktur aus, in der die Atome eine beinahe perfekte Kristallanordnung aufweisen, jedoch in einem glasartigen Zustand verharren.
Das Team fokussierte sich insbesondere auf die Ladungsdichtewellen (CDWs), welche die periodische Modulation der Ladungsdichte eines Materials beschreiben.
In der Bragg-Glas-Phase offenbarten die CDWs ein einzigartiges Verhalten, das sowohl Eigenschaften langreichweitiger Ordnung als auch ungeordneter Zustände vereint.
Um diese Phase zu identifizieren, nutzten die Forscher das Material PdxErTe3 und setzten Röntgenbestrahlung am Argonne National Laboratory ein, um die Ablenkung des Lichts im Inneren des Materials zu messen.
Dieser Prozess war entscheidend, um die atomare Struktur des Materials zu analysieren und die Anordnung seiner Atome zu verstehen.
Modernste Methoden im Einsatz
Die Forscher machten sich modernste Techniken zunutze, darunter die Röntgen-Temperatur-Clusteranalyse (X-TEC), eine Methode der maschinellen Datenanalyse.X-TEC ermöglichte es den Wissenschaftlern, Tausende von CDW-Peaks zu untersuchen und war entscheidend für die Identifizierung der Bragg-Glas-Phase.
Eun-Ah Kim, Professorin für Physik an der Cornell University und Mitautorin der Studie, betonte die Bedeutung von maschinellem Lernen und Datenanalysemethoden für die Entdeckung subtiler Muster in komplexen Daten.
Die Analyse der Asymmetrie von CDW-Peaks erwies sich als Schlüssel zur Identifizierung der Bragg-Glas-Phase und unterstreicht die Leistungsfähigkeit von maschinellen Lernwerkzeugen bei der Erforschung anspruchsvoller physikalischer Phänomene.
