量子材料与计算科学的双重进展：从扭角电子学到未来应用

扭角电子学（twistronics）作为一个新兴的物理研究领域，正在对材料科学产生深远影响。这一领域的起源可追溯至2011年，当时德克萨斯大学奥斯汀分校（2026 US News美国大学排名：30）的物理学教授Allan H. MacDonald及其团队进行了理论预测。该研究表明，将两层石墨烯以约1.1度的特定角度堆叠时，电子间的相互作用会发生显著变化，从而赋予材料独特的物理性质。这项理论工作为后续的实验研究奠定了基础。

2018年，麻省理工学院（MIT）的Pablo Jarillo-Herrero教授团队通过实验验证了这一理论。研究人员成功制备了具有“魔角”的双层石墨烯，并观测到了超导现象。原本不具备超导特性的石墨烯，在特定的扭转角度下实现了电子的无阻碍流动，即零电阻状态。这一实验结果证实了早期的理论预测，并标志着扭角电子学作为一门学科的正式确立。其基本原理在于通过精确控制超薄材料层的旋转角度，来实现对材料超导性、磁性及其他物理性质的调控。这种方法为材料特性的设计提供了一种基于几何结构的途径。

最近，BBVA基金会前沿知识奖授予了MacDonald和Jarillo-Herrero，以表彰他们在该领域的贡献。德克萨斯大学奥斯汀分校和麻省理工学院在相关基础研究和实验验证中发挥了核心作用。

魔角石墨烯的深度研究与超导机制

魔角石墨烯的发现引发了对非传统超导电性（unconventional superconductivity）的深入研究。科学家们利用隧道光谱学和电传输测量等技术手段，对魔角扭曲三层石墨烯（MATTG）的内部机制进行了探索。MIT和普林斯顿大学的研究团队发现，MATTG的超导能隙呈现出“V形”轮廓，这与传统超导体平坦均匀的能隙形态存在差异。

研究还在MATTG中观察到了磁性序与超导态共存和竞争的现象。发表在《自然材料》上的研究指出，MATTG超导态中存在统计学显著的开关事件，这表明材料内部由莫尔不均匀性（Moiré inhomogeneity）形成了约瑟夫森结网络。由于晶格结构的微小错位和弛豫，材料内部的扭曲角度和填充因子分布不均，这种不均匀性构成了复杂的电子传输通道。

在超流刚度方面，测量结果显示MATTG的超流刚度Js约为0.15K，并表现出强烈的温度依赖性。这种特征暗示了“展宽的Berezinskii–Kosterlitz–Thouless (BKT)转变”，即由于莫尔不均匀性的存在，超导转变过程呈现出渐变特性。Park和Jarillo-Herrero团队的研究还发现，MATTG中同时存在两个能量尺度：一个是在临界温度和磁场下消失的“真”超导能隙，另一个是更大的“赝能隙”。赝能隙可能代表了电子对已形成但超导性尚未完全建立的状态，或者是某种其他促进超导性的电子过程。Antonio Castro Neto教授指出，这一发现对单能隙模型提出了挑战，证实了MATTG超导性的非传统特征以及电子对结构的复杂性。

这些研究成果为理解超导机制提供了新的视角，也为室温超导体的设计提供了参考。室温超导的实现将有助于降低电力传输损耗，提升超级计算机和量子计算的稳定性。

二维材料的应用：从MXenes到量子比特

在扭角电子学之外，二维材料家族在其他领域也取得了进展。MXenes是一种具有导电二维层结构的材料，芝加哥大学的Dmitri Talapin教授团队开发了一种新的合成方法。传统的MXenes制备过程需要使用氢氟酸等腐蚀性物质，且耗时较长。该团队采用化学气相沉积法，实现了原子级精确合成，提高了生产效率并降低了成本。他们还使用了四氯乙烯作为前驱体，替代了以往使用的四氯化钛，提升了合成过程的安全性和稳定性。MXenes在离子吞吐和表面基团调控方面的特性，使其在能源存储领域具有应用潜力。

在量子计算领域，二维材料和异质结构（heterostructures）被用于构建长自旋量子比特相干时间（spin qubit coherence time，T2）的平台。由于二维材料原子层薄，原子核自旋同位素密度低，能够减少环境噪音。科研人员利用AiiDA-PyCCE高通量计算工作流筛选了1172种二维材料，发现189种单层材料的T2值超过1毫秒。其中，WS2的T2值达到35.4毫秒。这些材料多为氧化物或硫化物，具有低核自旋同位素自然丰度或含有低g因子元素。此外，选择氧化铈（CeO2）或氧化钙（CaO）等低噪音基底材料，有助于在异质结构中保持较高的T2值。这些发现为量子比特平台的设计提供了数据支持。

在生物医学领域，二维材料同样展现出应用潜力。欧洲的“石墨烯旗舰计划”正在推动相关技术转化。2D-BioPAD项目利用石墨烯材料开发了微创床旁诊断工具，旨在实时测量阿尔茨海默病的多种生物标志物。MUNASET项目则致力于开发基于石墨烯的生物传感器，通过血液样本监测抑郁症患者的治疗反应。GRAPHERGIA项目专注于开发基于石墨烯的柔性储能设备，应用于智能电子纺织品和锂离子电池，这类设备有望通过收集身体运动能量实现供能。

量子计算在能源与人工智能领域的应用前景

量子计算技术在能源管理和人工智能优化方面具有潜在应用价值。随着人工智能算力需求的增加，数据中心的能耗问题日益受到关注。D-Wave的CEO Alan Baratz指出，量子计算能够通过并行处理能力，在解决复杂问题时寻找最优路径，从而提高计算效率。

在能源优化方面，量子计算可应用于数据中心选址和电网管理。通过分析电源分布和经济性，量子计算能够辅助确定数据中心的建设位置，并优化电力公司的电网规划。GE Vernova和欧洲电力企业E.ON已开始尝试利用量子计算分析电网脆弱点。研究显示，量子计算能够减少AI工作流所需的计算能力。《科学》杂志刊登的一项研究显示，D-Wave量子计算机在解决磁性材料模拟问题时，消耗的时间和电力远少于传统超级计算机。德国的于利希研究中心已将退火量子计算机集成到JUNIQ系统中，并与JUPITER超算进行协同测试。

此外，量子计算在提升AI模型效率方面也发挥了作用。日本烟草公司（JT）的制药部门利用量子混合AI工作流生成新分子模型。加拿大粒子加速器中心TRIUMF则结合量子退火计算和深度生成AI，为欧洲核子研究组织（CERN）的大型强子对撞机升级建立了模拟模型，提高了粒子碰撞模拟的速度和准确性。

在能源存储前沿，日本理化研究所和华中科技大学的研究人员提出了“拓扑量子电池”的理论模型。该模型利用光子波导的拓扑特性和双能级原子的量子行为，旨在实现高效能量传输并减少耗散影响。研究发现，在特定条件下，耗散过程可能暂时提升充电功率。这一理论为高性能微能源存储设备的开发提供了新思路，在纳米能源存储、光量子通信及分布式量子计算系统中具有应用潜力。

综上所述，扭角电子学、新型二维材料以及量子计算技术的发展，正在推动材料科学、能源技术和信息处理的进步。

陈岑 美国留学咨询顾问