95后Nature狂魔曹原，第8篇Nature！ 95后Nature狂魔曹原再出击！刚刚，他迎来了自己的第8篇Nature论文： 96年、8篇Nature、1篇Science。 仅2021年上半年，曹原就已经发表了3篇Nature+1篇Science，发表间隔时间最长不过一个月，最短仅7天。 今年4月，曹原7天内发两篇Nature 因此，他还收获了一个生动的名字，叫「石墨烯驾驭者」（Graphene Wrangler），听起来竟然有种驾驭宇宙魔方的感觉。 在这篇新的文章中，一种被称为「魔角扭曲三层石墨烯」的材料系统表现出超导性。 这可能会促进量子计算的进步。 临界磁场超出理论3倍曹原表示，「该研究中发现的魔角三层石墨烯是一种非常罕见的超导体，被称为「自旋三重态」，不受强磁场的影响。」 在最新Nature论文中，研究发现，当 θ 等于大约1.6 °的魔角时，系统进入强耦合状态的角度。 魔角扭曲三层石墨烯中罕见的自旋三重态超导现象 曹原在这种魔角扭曲三层石墨烯 (MATTG) 中观察到了「超导现象」，并研究了这种超导现象的自旋特性。 具体讲，MATTG在低温（低至1开尔文）下电阻为零，变为超导体。 然后，他们在石墨烯层的平面上对 MATTG 施加一个磁场。 结果发现，MATTG在高达 10 特斯拉的惊人「高磁场」下仍然表现出超导性，这比传统超导体所预测的材料所能承受的磁场高出3倍! 实验中，研究人员是将三层石墨烯堆叠在一起，并将中间的一层相对于外层旋转 1.56 度来制造MATTG。 然后通过一块磁场方向与材料平行的大磁铁控制磁场，在越来越高的磁场下测试了MATTG的超导性。 研究发现，当不断增加周围的磁场时，MATTG的超导性一直很强，直到消失。 高平面磁场下 MATTG 中的超导性 超导性源于电子结合成称为库珀对的两个电子。在自旋单重态 「库珀对」中，电子自旋（内在角动量）向相反的方向。 而在石墨烯材料平面存在强磁场的情况下，自旋单线态「库珀对」拉开，因为一种称为「塞曼效应」的现象导致自旋在同一方向上排列。 这种特性被称为「自旋三重态」。 传统超导体的自旋单线态和魔角扭曲三层石墨烯的自旋三重态 未来，这种奇异的超导体可以极大地改进磁共振成像（MRI）技术。 目前，MRI 机器仅限于 1-3 特斯拉的磁场。 如果它们可以用自旋三重态超导体制造，那么 MRI 就可以在更高的磁场下运行，以产生「更清晰」的人体图像。 此外，三层石墨烯中「自旋三重态」超导性的新证据也可以帮助科学家设计更强大的超导体，以用于实际量子计算。 上半年4篇，下半年刚刚开始曹原，1996年生，今年25岁。8篇Nature，石墨烯驾驭者，Nature年度人物，Nature创刊以来年龄最小入选者...... 这些形容词都不足以描述曹原和他的研究。 他只是一个专注于科研的学者。 这个出生于96年，用一年时间学完小学六年级和初一的课程，初一读了一个月，初二读了三个月，初三不到半年就参加了中考。 14岁考入中科大少年班的年轻人只是说，「我不觉得自己比同龄人聪明多少。」「我只是跳过了中学里一些无趣的部分。」 2010年，14岁的曹原考入中科大「严济慈物理科技英才班」，是严济慈班第一届学生。 和曹原同班的还有量子计算原型机「九章」研发团队最年轻成员邓宇皓，7次在国际核心期刊发表研究论文的任亚飞。 严济慈班的录取标准同样是不唯成绩论，关键要有「兴趣」，要找「谈起物理手舞足蹈的人」。 2018年发现魔角石墨烯，开始了曹原论文狂魔之路。 仅今年上半年，曹原就密集发了3篇Nature+1篇Science。今天这一篇，算是为他的下半年发文之旅拉开序幕。 曹原的研究仍在继续，我们也会这一直关注他「仰望星空」的旅程。 「那里更容易看到星星。」（图源：曹原个站） 这不过是他的第8篇Nature，未来还会有多少篇呢？ 论文地址： https://www.nature.com/articles/s41586-021-03685-y 参考链接： [1]https://www.nature.com/articles/d41586-021-01890-3 [2]https://news.mit.edu/2021/magic-trilayer-graphene-superconductor-magnet-0721 推荐阅读【重磅】斯坦福李飞飞《注意力与Transformer》总结，84页ppt开放下载！ 一文总结微软研究院Transformer霸榜模型三部曲！ UC 伯克利华人一作：卷积让视觉 Transformer 性能更强，ImageNet 继续刷点！ 旷视AI「炼丹房」Brain++ 再升级！首席科学家孙剑发AI「灵魂」三问 分层级联Transformer！苏黎世联邦提出TransCNN: 显著降低了计算/空间复杂度！ 清华姚班教师劝退文：读博，你真的想好了吗？ 2021李宏毅老师最新40节机器学习课程！附课件+视频资料 最强通道注意力来啦！金字塔分割注意力模块，即插即用，效果显著，已开源！ 登上更高峰！颜水成、程明明团队开源ViP，引入三维信息编码机制，无需卷积与注意力 常用 Normalization 方法的总结与思考：BN、LN、IN、GN 注意力可以使MLP完全替代CNN吗？未来有哪些研究方向？ 清华鲁继文团队提出DynamicViT：一种高效的动态稀疏化Token的ViT 并非所有图像都值16x16个词--- 清华&华为提出一种自适应序列长度的动态ViT 重磅！DLer-计算机视觉&Transformer群已成立！ 大家好，这是计算机视觉&Transformer论文分享群里，群里会第一时间发布最新的Transformer前沿论文解读及交流分享会，主要设计方向有：图像分类、Transformer、目标检测、目标跟踪、点云与语义分割、GAN、超分辨率、视频超分、人脸检测与识别、动作行为与时空运动、模型压缩和量化剪枝、迁移学习、人体姿态估计等内容。 进群请备注：研究方向+学校/公司+昵称（如Transformer+上交+小明） ??长按识别，邀请您进群！