接触量子自旋霍尔效应很久了，但是一直也都是在square lattice上做计算，
从来没有认真的在六角点阵上计算过拓扑的内容，正好最近在看文献的过程中需要在石墨烯机构上进行，
就从最基本的Kane-Mele 模型出发学习怎么在六角点阵上写出最近邻以及次近邻的哈密顿量。
{:.info}
png

关于最近邻之间的hopping在前面石墨烯的边界态文章中已经仔细考虑过，包括cell的选取还有原子的编号，在这里。现在唯一的不同就是要考虑次近邻之间的hopping。在这里暂时并未考虑Rashbo自旋轨道耦合。

基本设定

png

蓝色虚线框中是选择的一个大cell，在y方向是有限长度，在x方向是无限的，所以$k_x$是个好量子数，这种边界态叫zigzag；当x方向开边界，y方向无限长时的边界态叫armchair，可以参考这里。格点之间的hopping可以在一个大cell之内，可会存在大cell之间的hopping，在下面会逐一展示。关于Kane-Mele模型中的$v_{ij}$的示意如上图_hopping_蓝色箭头所示，当格点连线在hopping的右侧时$v_{ij}=-1$，在左侧时$v_{ij}=1$；将一个大cell划分成更小的周期重复结构，如上图右下图所示，并分别编号。第一张图所示的是最近邻hopping的选择。

与之前的Graphene模型相比较，这里是有两个自旋的，不过唯一的影响的只是第二项，对于上下自旋的不同相差一个符号，并不会对hopping的分析有影响。

次近邻hopping

png

在虚线框中的是一个大cell，在右侧的是一个小cell，在写Hamiltonian的时候是以小cell为基本单元进行的。

首先可以看到，无论是边界上的小cell还是非边界上的小cell，都会具有如图中紫色虚线箭头所示的次近邻hopping，而且这些hopping是在同一个大cell内的。这种情况中格点连线都在hopping线的右端$v_{ij} = -1$，即就是对应$exp(-im*phi0)$，这里用$e^{i\phi_0}=\cos(\phi_0)+i\sin(\phi_0)$来更加方便的将模型中第二项的虚数因子吸收进来。此时的基矢选择为$\Psi^\dagger=(c^\dagger_{1\uparrow},c^\dagger_{1\downarrow},c^\dagger_{2\uparrow},c^\dagger_{2\downarrow},\dots,c^\dagger_{n\uparrow},c^\dagger_{n\downarrow})$，在这里补充一点，基矢的选择并不是只有这一种方式，同样可以选择$\Psi^\dagger=(c^\dagger_{1\uparrow},c^\dagger_{2\uparrow},\dots,c^\dagger_{n\uparrow},c^\dagger_{1\downarrow},c^\dagger_{2\downarrow},\dots,c^\dagger_{n\downarrow})$，只不过在构建矩阵的时候元素填充需要修改，不过结果是完全一样的，感兴趣可以验证一下。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
function spin(i::Int64)::Int64
# 模型中的第二项对于不同自旋相差一个负号，通过这个函数来控制
    if(i == 1)
        return 1
    else
        return -1
    end
end
# ============================================================
for si = 1:2	
   for ni = 0:n-1
        # 小cell中的次近邻hopping
        h1[ni*8 + si,ni*8 + si + 4] = t2*exp(-1im*phi0)*spin(si)  #  1--->3
        h1[ni*8 + si + 4,ni*8 + si] = conj(ham[ni*8 + si,ni*8 + si + 4])  #  3---->1

        h1[ni*8 + si + 2,ni*8 + si + 6] = t2*exp(-1im*phi0)*spin(si)  #  2--->4
        h1[ni*8 + si + 6,ni*8 + si + 2] = conj(ham[ni*8 + si + 2,ni*8 + si + 6])#4---->2
        # 1是沿右下hopping，2是沿左下hopping
    end
end

png{:width=”400px”,:height=”495px”}

接下来考虑次近邻hopping连接到相邻的小cell之间的情况。从上图中可以看出，除了最后一个小cell之外，在大cell内剩余的小cell之间都会存在这种hopping。这种情况中格点连线都在hopping线的右端$v_{ij} = 1$，即就是对应$exp(im*phi0)$。

1
2
3
4
5
6
7
8
9
for si = 1:2
   for ni = 0:n-2 # 不包括最后一个小cell(因为已经到边界上了，边界上的3和4次近邻是没有紫色箭头所示hopping)
        h1[ni*8 + si + 4,(ni + 1)*8 + si] = t2*exp(1im*phi0)*spin(si)   #  3--->1(第二个小cell)
        h1[(ni + 1)*8 + si,ni*8 + si + 4] = conj(ham[ni*8 + si + 4,(ni + 1)*8 + si]) # 1(第二个小cell)---->3
           
        h1[ni*8 + si + 6,(ni + 1)*8 + si + 2] = t2*exp(1im*phi0)*spin(si)  #  4---->2 (第二个小cell)
        h1[(ni + 1)*8 + si + 2,ni*8 + si + 6] = conj(ham[ni*8 + si + 6,(ni + 1)*8 + si + 2]) #  2(第二个小cell)---->4            
    end 
end

上面所考虑的次近邻hopping都是在一个大cell内的(蓝色虚线)，接下来考虑的次近邻是连接两个大cell的情况。

首先可以看到粉色箭头所示的次近邻hopping对于每一个小cell和每一个格点都是存在的，因为每个格点上这种形式的hopping同时存在向左和向右的情况，所以这两中hopping在同一个格点上是要相加的$2\cos(\phi_0)2\cos(k_x)$。下面右图所示的蓝色hopping线对于每一个小cell都是存在的，在这里需要注意一下，对于边界上的1,2位置上，只存在四个方向的次近邻，加上下图粉色的hopping，已经考虑了三个方向了，则只需要考虑剩下的一个方向hopping，即蓝色虚线所示。对于3,4格点，除了最下端的小cell的3,4格点不存在黑色虚线所示的hopping，其它*小cell中都存在，都是由6个方向的次近邻hopping。所以对于这些情况需要额外的考虑。

png

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
# 对于水平方向的次近邻hopping,由于存在两个,向右hopping的vij=-1,向左hopping的vij=-1,它们是大cell之间hopping,相当与还是回到原来的格点位置,所以需要想这两种hopping加到一起
for si = 1:2
	for ni = 0:n-1
        # 水平方向上的次近邻hopping，在inter-cell的情况下，每个格点有hopping到了自己的位置上
        h2[ni*8 + si,ni*8 + si] = t2*2*cos(phi0)*spin(si)*2*cos(kx)
        h2[ni*8 + si + 2,ni*8 + si + 2] = t2*2*cos(phi0)*spin(si)*2*cos(kx)
        h2[ni*8 + si + 4,ni*8 + si + 4] = t2*2*cos(phi0)*spin(si)*2*cos(kx)
        h2[ni*8 + si + 6,ni*8 + si + 6] = t2*2*cos(phi0)*spin(si)*2*cos(kx)
        #------沿其它方向的inter-cell 次近邻hopping
		h2[ni*8 + 2 + si,ni*8 + 6 + si] = t2*exp(1im*phi0)*spin(si)*exp(1im*kx) #2--->4
        h2[ni*8 + 6 + si,ni*8 + 2 + si] = conj(ham[ni*8 + 2 + si,ni*8 + 6 + si])
        
		h2[ni*8 + si,ni*8 + 4 + si] = t2*exp(-1im*phi0)*spin(si)*exp(-1im*kx)  #1---->3
        h2[ni*8 + 4 + si,ni*8 + si] = conj(h2[ni*8 + si,ni*8 + 4 + si])
    end
    
    for ni = 0:n-2
		h2[ni*8 + 4 + si,(ni + 1)*8 + si] = t2*exp(-1im*phi0) *spin(si)*exp(1im*kx)  #3---->1
       	h2[(ni + 1)*8 + si,ni*8 + 4 +si] = conj(h2[ni*8 + 4 +si,ni*8 + si])
        
        h2[ni*8 + 6 + si,(ni + 1)*8 + 2 + si] = t2*exp(-1im*phi0)*spin(si)*exp(-1im*kx) # 4--->2
        h2[(ni + 1)*8 + 2 + si,ni*8 + 6 + si] = conj(h2[ni*8 + 6 + si,(ni + 1)*8 + 2 + si]) 
    end
end

最近邻hopping

png{:width=”400px”,:height=”495px”}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
function hn(kx::Float64,n::Int64)::Matrix{ComplexF64}#  最近邻hopping
    t1::Float64 = 1.0
    ham = zeros(ComplexF64,8*n,8*n)
    for si = 1:2 # spin 
        for ni = 0:n-1  # small cell index
            #(1-->2)  加2是由于1这个位置上有2个spin(up and down)，等到2位置上spin-up 就是3了
            ham[ni*8 + si,ni*8 + si + 2] = t1 
            ham[ni*8 + si + 2,ni*8 + si] = t1 
            
            ham[ni*8 + 2 + si,ni*8 + 4 + si] = t1  #(2--->3)
            ham[ni*8 + 4 + si,ni*8 + 2 + si] = t1
            
            ham[ni*8 + 4 + si,ni*8 + 6 + si] = t1 #(3--->4)
            ham[ni*8 + 6 + si,ni*8 + 4 + si] = t1            
        end
        # 考虑intra-cell之间连接的hopping
        for ni = 0:n-2
            ham[ni*8 + si + 6,(ni+1)*8 + si] = t1
            ham[(ni+1)*8 + si,ni*8 + si + 6] = t1
        end
        # 考虑inter-cellhopping
        for ni = 0:n-1
            ham[ni*8 + si,ni*8 + 2 + si] = ham[ni*8 + si,ni*8 + 2 + si] + t1*exp(-1im*kx)  #  1---->2
            ham[ni*8 + 2 + si,ni*8 + si] = ham[ni*8 + 2 + si,ni*8 + si] + t1*exp(1im*kx)
            
            ham[ni*8 + 4 + si,ni*8 + 6 + si] = ham[ni*8 + 4 + si,ni*8 + 6 + si] + t1*exp(1im*kx) #(3--->4)
            ham[ni*8 + 6 + si,ni*8 + 4 + si] = ham[ni*8 + 6 + si,ni*8 + 4 + si] + t1*exp(-1im*kx)   
        end
        
    end
    return ham
end

完整代码

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
# import Pkg
#Pkg.add("LinearAlgebra")  没有对应的库先安装，然后using 库
#Pkg.add("DelimitedFiles")
#Pkg.add("PyPlot")
using LinearAlgebra,DelimitedFiles,PyPlot
function hn(kx::Float64,n::Int64)::Matrix{ComplexF64}#  最近邻hopping
    t1::Float64 = 1.0
    ham = zeros(ComplexF64,8*n,8*n)
    for si = 1:2 # spin 
        for ni = 0:n-1  # small cell index
            #(1-->2)  加2是由于1这个位置上有2个spin(up and down)，等到2位置上spin-up 就是3了
            ham[ni*8 + si,ni*8 + si + 2] = t1 
            ham[ni*8 + si + 2,ni*8 + si] = t1 
            
            ham[ni*8 + 2 + si,ni*8 + 4 + si] = t1  #(2--->3)
            ham[ni*8 + 4 + si,ni*8 + 2 + si] = t1
            
            ham[ni*8 + 4 + si,ni*8 + 6 + si] = t1 #(3--->4)
            ham[ni*8 + 6 + si,ni*8 + 4 + si] = t1            
        end
        # 考虑intra-cell之间连接的hopping
        for ni = 0:n-2
            ham[ni*8 + si + 6,(ni+1)*8 + si] = t1
            ham[(ni+1)*8 + si,ni*8 + si + 6] = t1
        end
        # 考虑inter-cellhopping
        for ni = 0:n-1
            ham[ni*8 + si,ni*8 + 2 + si] = ham[ni*8 + si,ni*8 + 2 + si] + t1*exp(-1im*kx)  #  1---->2
            ham[ni*8 + 2 + si,ni*8 + si] = ham[ni*8 + 2 + si,ni*8 + si] + t1*exp(1im*kx)
            
            ham[ni*8 + 4 + si,ni*8 + 6 + si] = ham[ni*8 + 4 + si,ni*8 + 6 + si] + t1*exp(1im*kx) #(3--->4)
            ham[ni*8 + 6 + si,ni*8 + 4 + si] = ham[ni*8 + 6 + si,ni*8 + 4 + si] + t1*exp(-1im*kx)   
        end
        
    end
    return ham
end
# ======================================================================
function hnn(kx::Float64,n::Int64)::Matrix{ComplexF64}
    t2::Float64 = 0.03 
    h1 = zeros(ComplexF64,8*n,8*n)
    h2 = zeros(ComplexF64,8*n,8*n)
    phi0::Float64 = pi/2
    for si = 1:2
       for ni = 0:n-1
            # 小cell中的次近邻hopping
            h1[ni*8 + si,ni*8 + si + 4] = t2*exp(-1im*phi0)*spin(si)  #  1--->3
            h1[ni*8 + si + 4,ni*8 + si] = conj(h1[ni*8 + si,ni*8 + si + 4])  #  3---->1

            h1[ni*8 + si + 2,ni*8 + si + 6] = t2*exp(-1im*phi0)*spin(si)  #  2--->4
            h1[ni*8 + si + 6,ni*8 + si + 2] = conj(h1[ni*8 + si + 2,ni*8 + si + 6])#4---->2
            # 1是沿右下hopping，2是沿左下hopping
        end
    end
    #------------------------------------------
    for si = 1:2
       for ni = 0:n-2 # 不包括最后一个小cell(因为已经到边界上了，边界上的3和4次近邻是没有紫色箭头所示hopping)
            h1[ni*8 + si + 4,(ni + 1)*8 + si] = t2*exp(1im*phi0)*spin(si)   #  3--->1(第二个小cell)
            h1[(ni + 1)*8 + si,ni*8 + si + 4] = conj(h1[ni*8 + si + 4,(ni + 1)*8 + si]) # 1(第二个小cell)---->3

            h1[ni*8 + si + 6,(ni + 1)*8 + si + 2] = t2*exp(1im*phi0)*spin(si)  #  4---->2 (第二个小cell)
            h1[(ni + 1)*8 + si + 2,ni*8 + si + 6] = conj(h1[ni*8 + si + 6,(ni + 1)*8 + si + 2]) #  2(第二个小cell)---->4            
        end 
    end
    #-------------------------------------------------
    for si = 1:2
        for ni = 0:n-1
            # 水平方向上的次近邻hopping，在inter-cell的情况下，每个格点有hopping到了自己的位置上
            h2[ni*8 + si,ni*8 + si] = t2*2*cos(phi0)*spin(si)*2*cos(kx)
            h2[ni*8 + si + 2,ni*8 + si + 2] = t2*2*cos(phi0)*spin(si)*2*cos(kx)
            h2[ni*8 + si + 4,ni*8 + si + 4] = t2*2*cos(phi0)*spin(si)*2*cos(kx)
            h2[ni*8 + si + 6,ni*8 + si + 6] = t2*2*cos(phi0)*spin(si)*2*cos(kx)
            #------沿其它方向的inter-cell 次近邻hopping
            h2[ni*8 + 2 + si,ni*8 + 6 + si] = t2*exp(1im*phi0)*spin(si)*exp(1im*kx) #2--->4
            h2[ni*8 + 6 + si,ni*8 + 2 + si] = conj(h2[ni*8 + 2 + si,ni*8 + 6 + si])

            h2[ni*8 + si,ni*8 + 4 + si] = t2*exp(1im*phi0)*spin(si)*exp(-1im*kx)  #1---->3
            h2[ni*8 + 4 + si,ni*8 + si] = conj(h2[ni*8 + si,ni*8 + 4 + si])
        end
        #------------------------------------
        for ni = 0:n-2
            h2[ni*8 + 4 + si,(ni + 1)*8 + si] = t2*exp(-1im*phi0) *spin(si)*exp(1im*kx)  #3---->1
            h2[(ni + 1)*8 + si,ni*8 + 4 + si] = conj(h2[ni*8 + 4 + si,(ni + 1)*8 + si])

            h2[ni*8 + 6 + si,(ni + 1)*8 + 2 + si] = t2*exp(-1im*phi0)*spin(si)*exp(-1im*kx) # 4--->2
            h2[(ni + 1)*8 + 2 + si,ni*8 + 6 + si] = conj(h2[ni*8 + 6 + si,(ni + 1)*8 + 2 + si]) 
        end
    end
    return h1 + h2
end
# ======================================================
function spin(i::Int64)::Int64
    if(i == 1)
        return 1
    else
        return -1
    end
end
# ======================================================
function check(mat::Matrix{ComplexF64})
    f = open("hermitian.dat","w")
    x,y = size(mat)
    con = 0
    for ix = 1:x
        for iy = 1:y
            if(mat[ix,iy] != conj(mat[iy,ix]))
                con += 1
                writedlm(f,[ix iy mat[ix,iy]])
            end
        end
    end
    close(f)
    println(con)
end
# =========================================================
function plotimg(n::Int64)
    kn::Int64 = 100
    N::Int64 = n*8
    vallist = zeros(Float64,length(-kn:kn),N)
    kxlist = zeros(Float64,length(-kn:kn),N)
    f1 = open("KM-zigzag.dat","w")	# 保存能带数据
    for m1 = 0:2*kn
        kx = pi*m1/kn
        kxlist[m1 + 1,:]= [kx for _ in 1:N]
        ham = hnn(kx,n) + hn(kx,n)
        vallist[1+m1,:]= eigvals(ham)
        writedlm(f1,[kx/pi vallist[1+m1,:]'])
    end
    close(f1)
figure(figsize=(12,10))
PyPlot.plot(kxlist,vallist)
PyPlot.xlabel("k_x")
PyPlot.ylabel("E")
PyPlot.xticks([0,pi,2*pi])
PyPlot.xlim(0,2*pi)
PyPlot.ylim(-1,1)
end
# ============================================================
plotimg(20)  # 小cell选择20个

结果展示

png{:width=”400px”,:height=”495px”}

参考

公众号

相关内容均会在公众号进行同步，若对该Blog感兴趣，欢迎关注微信公众号。
{:.info}

QR Code

Email

yxliphy@gmail.com