Los materiales 2-D son atómicamente delgados, películas de una sola capa dispuestas en una estructura cristalina, que tienen aplicaciones potenciales en dispositivos electrónicos y optoelectrónicos de próxima generación. El ferromagnetismo (FM) en tales materiales, el mecanismo por el cual actúan como imanes, se consideraba inverosímil hasta hace unos años. En 2017, Los científicos descubrieron FM a baja temperatura en materiales 2-D, lo que ha supuesto importantes avances en los campos de la nanotecnología y la electrónica.

A bajas temperaturas, Los materiales ferromagnéticos son capaces de conservar bien sus propiedades magnéticas. Sin embargo, el orden magnético en tales materiales se altera a medida que aumenta la temperatura. La temperatura a la que los materiales pierden sus propiedades FM se conoce como punto de Curie. Por lo tanto, el punto de Curie es una propiedad crítica de los materiales ferromagnéticos para aplicaciones prácticas. Sin embargo, La determinación de la temperatura de Curie implica un conjunto de cálculos muy complejos.

Un equipo de investigación del Instituto Indio de Ciencias (IISc) ha desarrollado un código informático de fuente abierta para estimar las temperaturas de Curie a partir de las estructuras cristalinas de los materiales. El estudio, publicado en materiales computacionales npg combina la informática utilizando bases de datos de código abierto y aprendizaje automático para descubrir y predecir las temperaturas de Curie de materiales ferromagnéticos bidimensionales (2DFM).

El equipo adoptó un enfoque triple. Primero, desarrollaron un código informático totalmente automatizado que ayuda a calcular las temperaturas de Curie, eliminando la necesidad de cálculos heurísticos manuales. Segundo, pudieron identificar 26 materiales 2DFM de alta temperatura de grandes bases de datos de código abierto, incluyendo algunos materiales magnéticos importantes que se han pasado por alto hasta ahora. Estos materiales pueden ser candidatos ideales para usar en dispositivos de alta temperatura.

En tercer lugar, el equipo desarrolló un modelo de aprendizaje automático para predecir la temperatura de Curie de los materiales. Aunque el modelo actualmente utiliza datos limitados, si está entrenado con un conjunto de datos suficientemente grande de materiales 2DFM, en última instancia, podría reemplazar el código de la computadora, dicen los investigadores. Creen que esto ayudaría significativamente a avanzar en las aplicaciones prácticas de los materiales magnéticos bidimensionales.