第2章：材料中のカイラルフォノン

ビデオ講義

このビデオは以下のテキストと同じ内容をカバーしています。お好みの学習形式をお選びください。

2.1 はじめに：カイラルフォノンの材料プラットフォーム

カイラルフォノンは2015年に理論的に予測され、その後、2018年に単層WSe₂で 広く知られる初の実験的観測が報告されました（Zhu et al., Science 2018）。 この発見は、格子振動が固有の角運動量を運べることを実証し、 新たな研究分野を切り開きました。

本章では、カイラルフォノンを実現する材料系を体系的に学びます。 2次元遷移金属ダイカルコゲナイド（TMD）単層から始め、バレー物理との結合を理解し、 さらに3次元カイラル結晶における豊かなフォノンカイラリティへと進みます。 材料の対称性とフォノンカイラリティの関係が中心テーマです。

2.2 2次元遷移金属ダイカルコゲナイド（TMD）

2.2.1 TMD単層の結晶構造

遷移金属ダイカルコゲナイド（TMD）は、MX₂（M = Mo, W; X = S, Se）の 化学式を持つ層状材料です。単層TMDはD_3h点群対称性を持ち、 カイラルフォノンの理想的なプラットフォームとなります。

2.2.2 Γ点におけるフォノンモード

単層TMDのフォノンモードは、D_3h点群の既約表現に従って分類されます。 特に重要なのは、E'モードとE''モードです。

カイラルフォノンは、これらの縮退モードの円偏光線形結合として記述されます：

これらのモードは原子が円運動を行い、明確な回転方向（カイラリティ）を持ちます。

2.2.3 バレー自由度とK/K'点

単層TMDのもう一つの重要な特徴は、ブリルアンゾーン境界のKおよびK'点における バレー自由度です。これはカイラルフォノンと深く結びついています。

2.2.4 バレー-フォノン結合

カイラルフォノンとバレー自由度の結合は、TMD物理学の中心的テーマです。 この結合により、バレー選択的なフォノン散乱が実現します。

2.2.5 バレー選択光励起

円偏光光を用いることで、特定のバレーを選択的に励起できます。 これはカイラルフォノン研究の実験的基礎となります。

2.3 3次元カイラル結晶

2.3.1 α-石英（SiO₂）：3次元初観測

2018年、Zhu et al.（Science 2018）は、α-石英においてカイラルフォノンを 初めて3次元結晶で観測しました。これは、カイラルフォノンが2次元材料に 限定された現象ではないことを示しました。

2.3.2 テルル（Te）とセレン（Se）

元素単体でカイラル結晶を形成する例として、テルル（Te）とセレン（Se）があります。 これらはらせん鎖構造を持ち、豊かなカイラルフォノン物理を示します。

2.3.3 カイラル有機結晶

有機分子結晶もカイラルフォノンのプラットフォームとなります。 特に、カイラル分子が規則配列した結晶では、分子内振動と格子振動の 結合により複雑なカイラルフォノンスペクトルが現れます。

2.4 カイラリティを伴うフォノン分散

Γ点から離れた波数ベクトル \(\mathbf{q}\) におけるフォノン分散関係も、 結晶のカイラリティにより影響を受けます。

2.4.1 TMDにおけるバレー依存分散

単層TMDでは、KとK'バレー周りで異なるカイラルフォノンカップリングが生じます。 これは光学フォノンだけでなく、音響フォノンにも現れます。

2.5 温度依存性

カイラルフォノンの特性は温度に依存します。これは材料設計と応用において重要です。

2.5.1 フォノンポピュレーションと温度

フォノンのボーズ-アインシュタイン分布により、温度上昇とともに カイラルフォノンのポピュレーションが増加します：

これにより、以下の温度依存現象が生じます：

• ラマン強度の温度依存性：高温でストークス/アンチストークス強度比変化
• フォノン線幅の温度依存性：非調和効果による広がり
• フォノンエネルギーシフト：熱膨張と非調和性による赤方偏移

2.5.2 相転移とカイラリティ変化

一部の材料では、温度による相転移でカイラリティが変化します。

2.6 Python実装：バレー-フォノン結合モデル

簡単なバレー-フォノン結合モデルを実装し、カイラルフォノンによる バレー間散乱を可視化します。

import numpy as np
import matplotlib.pyplot as plt
from matplotlib import rcParams

# 日本語フォント設定
rcParams['font.sans-serif'] = ['Hiragino Sans', 'Yu Gothic', 'Meiryo', 'DejaVu Sans']
rcParams['axes.unicode_minus'] = False

# パラメータ設定
hbar = 1.0  # 規格化単位
omega_phonon = 50.0  # フォノンエネルギー (meV)
g_plus = 0.1  # E'+フォノン結合強度
g_minus = 0.08  # E'-フォノン結合強度
valley_splitting = 20.0  # バレー分裂エネルギー (meV)

# エネルギー範囲
E = np.linspace(0, 200, 500)

# バレー状態
def valley_states():
    """Kバレーとパーバレーの初期ポピュレーション"""
    K_valley = np.exp(-(E - 100)**2 / 400)  # Kバレー励起子
    Kp_valley = np.exp(-(E - 100 + valley_splitting)**2 / 400)  # K'バレー
    return K_valley, Kp_valley

# フォノン放出による散乱
def phonon_scattering(initial_pop, phonon_energy, coupling):
    """フォノン放出による状態間遷移"""
    scattered = np.zeros_like(initial_pop)
    for i in range(len(E)):
        # フォノンエネルギー分だけシフト
        target_E = E[i] - phonon_energy
        if target_E > 0:
            idx = np.argmin(np.abs(E - target_E))
            scattered[idx] += coupling * initial_pop[i]
    return scattered

# 初期状態
K_init, Kp_init = valley_states()

# E'+フォノン（右回り）によるバレー内散乱
K_intra = phonon_scattering(K_init, omega_phonon, g_plus)

# E'-フォノン（左回り）によるバレー間散乱
K_to_Kp = phonon_scattering(K_init, omega_phonon, g_minus)

# プロット
fig, axes = plt.subplots(2, 2, figsize=(12, 10))

# 初期状態
axes[0, 0].plot(E, K_init, 'r-', linewidth=2, label='Kバレー励起')
axes[0, 0].plot(E, Kp_init, 'b--', linewidth=2, label="K'バレー")
axes[0, 0].set_xlabel('エネルギー (meV)')
axes[0, 0].set_ylabel('ポピュレーション')
axes[0, 0].set_title('初期状態：Kバレー励起')
axes[0, 0].legend()
axes[0, 0].grid(True, alpha=0.3)

# E'+フォノン放出（バレー内）
axes[0, 1].plot(E, K_init, 'r:', linewidth=1, alpha=0.5, label='初期状態')
axes[0, 1].plot(E, K_intra, 'r-', linewidth=2, label="E'+ 放出後")
axes[0, 1].axvline(omega_phonon, color='orange', linestyle='--',
                   alpha=0.7, label=f'フォノンE = {omega_phonon} meV')
axes[0, 1].set_xlabel('エネルギー (meV)')
axes[0, 1].set_ylabel('ポピュレーション')
axes[0, 1].set_title("E'+ フォノン放出（バレー内散乱）")
axes[0, 1].legend()
axes[0, 1].grid(True, alpha=0.3)

# E'-フォノン放出（バレー間）
axes[1, 0].plot(E, K_init, 'r:', linewidth=1, alpha=0.5, label='初期K')
axes[1, 0].plot(E, K_to_Kp, 'b-', linewidth=2, label="E'- でK'へ")
axes[1, 0].axvline(omega_phonon, color='orange', linestyle='--',
                   alpha=0.7, label=f'フォノンE = {omega_phonon} meV')
axes[1, 0].set_xlabel('エネルギー (meV)')
axes[1, 0].set_ylabel('ポピュレーション')
axes[1, 0].set_title("E'- フォノン放出（バレー間散乱）")
axes[1, 0].legend()
axes[1, 0].grid(True, alpha=0.3)

# 角運動量保存則の図示
theta = np.linspace(0, 2*np.pi, 100)
x_circle = np.cos(theta)
y_circle = np.sin(theta)

axes[1, 1].plot(x_circle, y_circle, 'k-', linewidth=1, alpha=0.3)
axes[1, 1].arrow(0, 0, 0.7, 0, head_width=0.1, head_length=0.1,
                 fc='red', ec='red', linewidth=2)
axes[1, 1].text(0.85, 0, 'K (m=+1)', fontsize=12, color='red')
axes[1, 1].arrow(0, 0, -0.7, 0, head_width=0.1, head_length=0.1,
                 fc='blue', ec='blue', linewidth=2)
axes[1, 1].text(-1.2, 0, "K' (m=-1)", fontsize=12, color='blue')
# 円偏光フォノン
for i in range(5):
    angle = i * 2*np.pi/5
    x_start = 0.3 * np.cos(angle)
    y_start = 0.3 * np.sin(angle)
    x_end = 0.3 * np.cos(angle + np.pi/3)
    y_end = 0.3 * np.sin(angle + np.pi/3)
    axes[1, 1].arrow(x_start, y_start, x_end-x_start, y_end-y_start,
                     head_width=0.05, fc='orange', ec='orange',
                     alpha=0.6, linewidth=1)
axes[1, 1].text(0, -0.5, "E'+ (右回り, ℓ=+ℏ)", fontsize=11,
                ha='center', color='orange')
axes[1, 1].set_xlim(-1.5, 1.5)
axes[1, 1].set_ylim(-1.5, 1.5)
axes[1, 1].set_aspect('equal')
axes[1, 1].set_title('角運動量保存則')
axes[1, 1].axis('off')

plt.tight_layout()
plt.savefig('valley_phonon_coupling.png', dpi=150, bbox_inches='tight')
plt.show()

print("=== バレー-フォノン結合シミュレーション ===")
print(f"フォノンエネルギー: {omega_phonon} meV")
print(f"E'+ 結合強度: {g_plus}")
print(f"E'- 結合強度: {g_minus}")
print(f"バレー分裂: {valley_splitting} meV")
print("\n角運動量保存則:")
print("  K(m=+1) + E'+(ℓ=+1) → K(m=0)  [バレー内]")
print("  K(m=+1) + E'-(ℓ=-1) → K'(m=0) [バレー間]")

import numpy as np
import matplotlib.pyplot as plt

# パラメータ
a = 1.0  # 格子定数（規格化）
omega0 = 100.0  # ゾーン中心フォノン周波数 (cm^-1)
v_sound = 5000.0  # 音速 (m/s, 適当な値)
chiral_coupling = 10.0  # カイラル結合強度 (cm^-1)

# 波数ベクトル（ΓからK方向）
q = np.linspace(0, np.pi/a, 200)

# 光学フォノン分散（カイラル分裂あり）
def optical_dispersion(q, sign):
    """
    sign = +1: 右回りモード
    sign = -1: 左回りモード
    """
    # 簡単なモデル：ゾーン中心から波数依存で分裂
    omega_base = omega0 * (1 + 0.1 * (q*a/np.pi)**2)
    omega_chiral = omega_base + sign * chiral_coupling * np.sin(q*a)
    return omega_chiral

omega_plus = optical_dispersion(q, +1)
omega_minus = optical_dispersion(q, -1)

# 音響フォノン（線形分散、カイラリティなし）
omega_acoustic = v_sound * q / (100 * a)  # cm^-1単位に変換

# プロット
fig, axes = plt.subplots(1, 2, figsize=(14, 5))

# 光学フォノン分散
axes[0].plot(q*a/np.pi, omega_plus, 'r-', linewidth=2.5, label='右回り (E$\'+$)')
axes[0].plot(q*a/np.pi, omega_minus, 'b-', linewidth=2.5, label='左回り (E$\'-$)')
axes[0].fill_between(q*a/np.pi, omega_plus, omega_minus, alpha=0.2, color='gray',
                      label='カイラル分裂領域')
axes[0].axhline(omega0, color='k', linestyle=':', alpha=0.5, linewidth=1)
axes[0].set_xlabel('波数 (q / [π/a])', fontsize=13)
axes[0].set_ylabel('フォノン周波数 (cm$^{-1}$)', fontsize=13)
axes[0].set_title('カイラル光学フォノン分散', fontsize=14, fontweight='bold')
axes[0].legend(fontsize=11)
axes[0].grid(True, alpha=0.3)
axes[0].set_xlim(0, 1)

# カイラル分裂の波数依存性
splitting = omega_plus - omega_minus
axes[1].plot(q*a/np.pi, splitting, 'purple', linewidth=2.5)
axes[1].fill_between(q*a/np.pi, 0, splitting, alpha=0.3, color='purple')
axes[1].set_xlabel('波数 (q / [π/a])', fontsize=13)
axes[1].set_ylabel('カイラル分裂 Δω (cm$^{-1}$)', fontsize=13)
axes[1].set_title('カイラル分裂の波数依存性', fontsize=14, fontweight='bold')
axes[1].grid(True, alpha=0.3)
axes[1].set_xlim(0, 1)
axes[1].axhline(0, color='k', linestyle='-', linewidth=0.5)

plt.tight_layout()
plt.savefig('chiral_dispersion.png', dpi=150, bbox_inches='tight')
plt.show()

# 数値出力
print("=== カイラル分散関係 ===")
print(f"Γ点フォノン周波数: {omega0} cm⁻¹")
print(f"カイラル結合強度: {chiral_coupling} cm⁻¹")
print(f"最大分裂 (q = π/2a): {splitting[len(splitting)//2]:.2f} cm⁻¹")
print(f"ゾーン境界分裂 (q = π/a): {splitting[-1]:.2f} cm⁻¹")

2.7 演習問題

2.8 まとめ