近年来，基于钇铁石榴石（YIG）的腔磁振子学研究越来越丰富，其中的非线性效应备受关注。自旋波的Kerr效应是其中重要的非线性效应之一：自旋波频率在高功率微波驱动下会向更高或者更低频率的方向移动。当来回扫描磁场、驱动频率或者驱动功率时，自旋波频率移动会展现双稳特性。然而，不同模式的自旋波之间在此过程中是否也存在相互作用？

在本文所研究的腔磁振子系统中，作者分析了YIG小球中两个自旋波模式在微波驱动下的相互作用。研究发现，分别单独驱动这两个模式，未被驱动的模式也展现出和驱动模式相似的频率移动和频率移动双稳行为。同时，通过热电偶测量YIG小球在微波驱动下的温度变化，发现小球温度同样展现出温度双稳的特性，且和频率变化同步。本文发现无论是自旋波频率双稳还是YIG小球的温度双稳都来源于被驱动自旋波模式的激发数双稳。自旋波激发数在微波驱动下快速增加，由于自旋波的自旋-晶格弛豫过程而使得小球温度升高，从而改变了小球的饱和磁化强度和磁晶各向异性能，最后改变了其他自旋波的频率。因此在YIG小球中，不同自旋波模式可以通过温度为中介而相互作用。

本工作揭示了在腔磁振子系统中自旋波在高功率微波驱动下温度诱导的频率变化，也为磁振子系统增加了新的调控自由度。

Fig. (a)Schematic diagram of the experimental setup. (b)The frequency shifts of the Kittel mode and HMS mode when the drive field is applied to Kittel mode. (c) The temperature (bottom panel) of the sample and the magnon mode frequency shift (top panel) versus drive frequency.

分子动力学模拟是研究微观世界的有效手段。分子动力学模拟过程中会计算全部原子与时间相关的空间状态信息，如何从这些原子空间状态数据中正确判别原子的物理状态，是深入分析物质状态和性质的关键。以晶体材料为例，研究人员常采用原子局部结构或势能面等信息来识别原子类型。但由于这种方法只利用了当前的原子状态信息，因此难以用于相似原子结构间(如液相与无序化固相)的原子类型识别。

本文采用大规模分子动力学模拟了四种典型晶格类型块状材料（Au,Fe,Mg和Si）的熔化过程，并使用卷积神经网络构建了基于不同时刻原子轨迹信息的原子类型识别深度学习方法，以识别晶体相变过程中的固-液相原子。数值结果显示，本文提出的方法无需设置特征阈值参数，且具有高的预测精度（>95%）。相关交叉验证实验证明，利用任意一种晶体材料数据训练得到的学习网络均能正确预测其他三种类型晶体的原子类型和相变过程，即该深度学习方法的训练和识别过程对晶体材料类型不敏感。作为一种与晶体材料类型无关的固-液原子类型识别方案，该深度学习网络有望用于固-液共存等复杂情况的分子动力学研究。

Fig. 1. Architecture for probing the melting process of bulk crystalline solids. (a) A bulk Au solid. (b) Atomic trajectories in 3D space. (c) TCNN-based module comprising convolution layers and full connection layers. (d) The phase transition curve defined as the variation of the liquid-like atoms (upper) and the prediction error of the atomic physical states (lower).

原子级精确的材料具有把微观特性带到宏观的潜质，有希望展现出革命性的优势。然而，传统的自上而下方法(如物理机械剥离和蚀刻)存在难以控制微观形貌和破坏基元原有特性等可能局限。因此，有必要开发新的原子级精确材料制备方法，这就主要包括了目前备受关注的自下而上组装途径。超原子起源于由原子组成的团簇结构，它们具有离散的分子轨道且表现出类原子的轨道对称性，基于超原子的自下而上组装成为了一个重要研究方向。而且，作为原子层次上的基元，超原子的种类远远超过元素周期表中的元素类型。因此，发展直接针对特定需求的自下而上原子层次组装方法也将促进一种以功能需求为核心的新研究范式建立。

本文从特定图案的设计需求出发，理论上展现了以一系列锕系内嵌金属富勒烯型超原子An@C₂₈ (An = Ac, Pa, U, Np和Pu)为基元实现组装构建的途径。具体，在Au(111)表面上实现了包含有一、二、三或四个化学键的基元间复杂有序组装，其中也包括了不同部分之间的色散吸附作用。可见，本研究与以往大规模的结构搜索不同，首先设计了一个包含丰富分子内和分子间作用的复杂体系作为特定需求，然后从超原子数据库中去寻找合适的基元，如此实现了在Au(111)表面上的复杂体系构建。因此，本研究不仅发展了一种基于超原子人工基元的自下而上组装策略，而且有助于功能需求导向下的研究范式建立。

Fig. 1. Bottom-up design and assembly with An@C₂₈ (An = Ac, Pa, U, Np and Pu)superatoms on Au(111) surface. Color codes: grey, C;gold: Au; blue, Ac; red, Pa; green, U; orange, Np; pink, Pu. The red dots around the superatoms indicate the number of valence electrons, corresponding to the number of chemical bonds that can form.