<mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" display="inline"><mml:mi>d</mml:mi></mml:math>-wave superconductivity on the checkerboard Hubbard model at weak and strong coupling
Notice bibliographique
Résumé
It has been argued that inhomogeneity generally can enhance superconductivity (SC) in the cuprate high-${T}_{c}$ materials. To check the validity of this claim, we study $d$-wave SC on the checkerboard Hubbard model on a square lattice using the cellular dynamical mean-field theory method with an exact diagonalization solver at zero temperature. The $d$-wave order parameter is computed for various inhomogeneity levels over the entire doping range of interest in both strong- and weak-coupling regimes. At a given doping, the size of the $d$-wave order parameter manifests itself directly in the height of the coherence peaks and, hence, is an appropriate measure of the strength of SC. The weak-coupling results reveal a suppression of the order parameter in the presence of inhomogeneity for small-to-intermediate hole dopings, while it is enhanced for large dopings. In contrast, for strong coupling, there is a monotonic decrease in the maximum amplitude of the SC order parameter with inhomogeneity over the entire doping range of interest. Furthermore, at moderately high inhomogeneity, the system undergoes a first-order transition from the SC to the normal state in the underdoped regime. In the overdoped regime, the change in the value of the SC order parameter correlates with the height of the lowest-energy peak in the spectral weight of antiferromagnetic spin fluctuations, confirming the connection between antiferromagnetic fluctuations and $d$-wave SC found in earlier papers on the homogeneous case. Our results are benchmarked by comparisons with numerically exact results on the checkerboard Hubbard ladder.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».