En la ciencia de los materiales, los candidatos para materiales funcionales novedosos generalmente se exploran en forma de prueba y error a través de cálculos, métodos sintéticos y análisis de materiales. Sin embargo, el enfoque lleva mucho tiempo y requiere experiencia. Ahora, investigadores de Japón han utilizado un enfoque basado en datos para automatizar el proceso de predicción de nuevos materiales magnéticos. Al combinar cálculos de primeros principios, optimización bayesiana y deposición alterna monoatómica, el método propuesto puede permitir un desarrollo más rápido de dispositivos electrónicos de próxima generación.

Los científicos de materiales buscan constantemente nuevos "materiales funcionales" con propiedades favorables dirigidos a alguna aplicación. Por ejemplo, encontrar nuevos materiales magnéticos funcionales podría abrir las puertas a dispositivos espintrónicos energéticamente eficientes. En los últimos años, el desarrollo de dispositivos de espintrónica como la memoria magnetorresistiva de acceso aleatorio, un dispositivo electrónico en el que se integra un solo elemento magnetorresistivo como un bit de información, ha ido avanzando rápidamente, para lo cual se requieren materiales magnéticos con alta anisotropía magnetocristalina (MCA). .

Los materiales ferromagnéticos, que retienen su magnetización sin un campo magnético externo, son de particular interés como sistemas de almacenamiento de datos, por lo tanto. Por ejemplo, L 1₀ Aleaciones ordenadas de tipo compuestas por dos elementos y dos periodos, como L 1₀ -FeCo y L 1₀ -FeNi, se han estudiado activamente como candidatos prometedores para materiales magnéticos funcionales de próxima generación. Sin embargo, la combinación de elementos constituyentes es extremadamente limitada y rara vez se han explorado materiales con tipo, número y periodicidad de elementos extendidos.

¿Qué impide esta exploración? Los científicos apuntan a explosiones combinatorias que pueden ocurrir fácilmente en películas multicapa, lo que requiere una gran cantidad de tiempo y esfuerzo en la selección de los elementos constituyentes y la fabricación del material, como la razón principal. Además, es extremadamente difícil predecir la función de MCA debido a la compleja interacción de varios parámetros, incluida la estructura cristalina, el momento magnético y el estado electrónico, y el protocolo convencional se basa en gran medida en prueba y error. Por lo tanto, hay mucho alcance y necesidad de desarrollar una ruta eficiente para descubrir nuevos materiales magnéticos de alto rendimiento.

En este frente, un equipo de investigadores de Japón, incluidos el Prof. Masato Kotsugi, el Sr. Daigo Furuya y el Sr. Takuya Miyashita de la Universidad de Ciencias de Tokio (TUS), junto con el Dr. Yoshio Miura del Instituto Nacional de Ciencias de los Materiales (NIMS). ), ha recurrido ahora a un enfoque basado en datos para automatizar la predicción y síntesis de nuevos materiales magnéticos.

En un nuevo estudio, que estuvo disponible en línea el 30 de junio de 2022 y publicado en Science and Technology of Advanced Materials:Methods el 1 de julio de 2022, el equipo informó su éxito en el desarrollo de un sistema de exploración de materiales mediante la integración de ciencias computacionales, de información y experimentales para materiales magnéticos de alto MCA. El profesor Kotsugi explica que "se han centrado en la inteligencia artificial y la han combinado con la ciencia computacional y experimental para desarrollar un método de síntesis de materiales eficiente. Se han descubierto materiales prometedores más allá de las expectativas humanas en términos de estructura electrónica. Por lo tanto, cambiará la naturaleza de ingeniería de materiales!"

En su estudio, que fue el resultado de una investigación conjunta de TUS y NIMS y respaldado por JST-CREST, el equipo calculó la energía MCA a través de cálculos de primeros principios (un método utilizado para calcular estados electrónicos y propiedades físicas en materiales basado en las leyes de mecánica cuántica) y realizó optimización bayesiana para buscar materiales con alta energía MCA. Después de examinar el algoritmo para la optimización bayesiana, encontraron materiales prometedores cinco veces más eficientes que a través del enfoque convencional de prueba y error. Este sólido método de búsqueda de materiales fue menos susceptible a las influencias de factores irregulares como valores atípicos y ruido, y permitió al equipo seleccionar los tres principales materiales candidatos:(Fe/Cu/Fe/Cu), (Fe/Cu/Co/Cu) y (Fe/Co/Fe/Ni) que comprende hierro (Fe), cobalto (Co), níquel (Ni) y cobre (Cu).

Los tres principales materiales pronosticados con los valores de energía MCA más grandes se fabricaron luego a través del método de apilamiento alterno monoatómico utilizando la técnica de deposición pulsada impulsada por láser para crear materiales magnéticos multicapa que constan de 52 capas, a saber, [Fe/Cu/Fe/Cu]₁₃ , [Fe/Cu/Co/Cu]₁₃ , y [Fe/Co/Fe/Ni]₁₃ . Entre las tres estructuras, [Fe/Co/Fe/Ni]₁₃ mostró un valor MCA (3,74 × 10 ⁶ erg/cc) muy por encima de L 1₀ -FeNi (1,30 × 10 ⁶ ergio/cc).

Además, utilizando el método de perturbación de segundo orden, el equipo descubrió que MCA se genera en el estado electrónico, lo que no se ha realizado en los materiales informados anteriormente. Esto da fe de la idoneidad de emplear la optimización bayesiana para identificar estados electrónicos que probablemente sean imposibles de visualizar solo a través de la experiencia y la intuición humanas. Así, el método desarrollado puede buscar de forma autónoma elementos adecuados para diseñar materiales magnéticos funcionales. "Esta técnica se puede extender a materiales magnéticos avanzados con correlaciones electrónicas más complicadas, como las aleaciones de Heusler y los materiales termoeléctricos de espín", observa el profesor Kotsugi. + Explora más

Equipo de investigación desarrolla nueva estrategia para diseñar materiales termoeléctricos