Legenda da imagem:(a) Mapeamento de rotação Kerr de um ferro, cobalto, propagação de composto de níquel usando o método de experimentação de alto rendimento mais preciso, (b) apenas cálculo de alto rendimento, e (c) o Iwasaki et al. abordagem combinada. A abordagem combinada fornece uma previsão muito mais precisa da rotação Kerr do spread composto em comparação com o cálculo de alto rendimento por conta própria. Crédito:Instituto Nacional de Ciência de Materiais (NIMS)
Pesquisadores no Japão desenvolveram uma abordagem que pode prever melhor as propriedades dos materiais, combinando dados experimentais e de cálculo de alto rendimento com aprendizado de máquina. A abordagem pode ajudar a acelerar o desenvolvimento de novos materiais, e foi publicado no jornal Ciência e Tecnologia de Materiais Avançados .
Os cientistas usam experimentação de alto rendimento, envolvendo um grande número de experimentos paralelos, para mapear rapidamente as relações entre as composições, estruturas, e propriedades de materiais feitos de quantidades variáveis dos mesmos elementos. Isso ajuda a acelerar o desenvolvimento de novos materiais, mas geralmente requer equipamentos caros.
Cálculo de alto rendimento, por outro lado, usa modelos computacionais para determinar as propriedades de um material com base em sua densidade de elétrons, uma medida da probabilidade de um elétron ocupar uma quantidade extremamente pequena de espaço. É mais rápido e barato do que os experimentos físicos, mas muito menos preciso.
O especialista em informática de materiais Yuma Iwasaki dos Laboratórios de Pesquisa Centrais da NEC Corporation, junto com colegas no Japão, combinou os dois métodos de alto rendimento, pegando o melhor dos dois mundos, e os combinou com o aprendizado de máquina para agilizar o processo.
"Nosso método tem o potencial de prever com precisão e rapidez as propriedades dos materiais e, assim, encurtar o tempo de desenvolvimento de vários materiais, "disse Iwasaki.
Eles testaram sua abordagem usando um filme de ferro com 100 nanômetros de espessura, cobalto e níquel espalhados em um substrato de safira. Várias combinações possíveis dos três elementos foram distribuídas ao longo do filme. Essas 'amostras de difusão de composição' são usadas para testar muitos materiais semelhantes em uma única amostra.
A equipe primeiro conduziu uma técnica simples de alto rendimento na amostra chamada difração de raios-X combinatória. As curvas de difração de raios-X resultantes fornecem informações detalhadas sobre a estrutura cristalográfica, composição química, e propriedades físicas da amostra.
A equipe então usou o aprendizado de máquina para quebrar esses dados em curvas de difração de raios-X individuais para cada combinação dos três elementos. Cálculos de alto rendimento ajudaram a definir as propriedades magnéticas de cada combinação. Finalmente, cálculos foram realizados para reduzir a diferença entre os dados experimentais e de cálculo.
Sua abordagem permitiu-lhes mapear com sucesso a "rotação Kerr" do ferro, cobalto, e propagação da composição do níquel, representando as mudanças que acontecem com a luz conforme ela é refletida de sua superfície magnetizada. Esta propriedade é importante para uma variedade de aplicações em dispositivos fotônicos e semicondutores.
Os pesquisadores dizem que sua abordagem ainda pode ser melhorada, mas que, como está, ele permite mapear os momentos magnéticos de propagação da composição sem a necessidade de recorrer a experimentos de alto rendimento mais difíceis e caros.
