Na ciência dos materiais, os candidatos a novos materiais funcionais são geralmente explorados por tentativa e erro por meio de cálculos, métodos sintéticos e análise de materiais. No entanto, a abordagem é demorada e requer experiência. Agora, pesquisadores do Japão usaram uma abordagem baseada em dados para automatizar o processo de previsão de novos materiais magnéticos. Ao combinar cálculos de primeiros princípios, otimização bayesiana e deposição alternada monoatômica, o método proposto pode permitir um desenvolvimento mais rápido de dispositivos eletrônicos de próxima geração.
Os cientistas de materiais estão constantemente à procura de novos "materiais funcionais" com propriedades favoráveis ​​direcionadas a alguma aplicação. Por exemplo, encontrar novos materiais magnéticos funcionais pode abrir portas para dispositivos spintrônicos com eficiência energética. Nos últimos anos, o desenvolvimento de dispositivos spintrônicos como a memória de acesso aleatório magnetoresistivo – um dispositivo eletrônico no qual um único elemento magnetoresistivo é integrado como um bit de informação – vem progredindo rapidamente, para o qual são necessários materiais magnéticos com alta anisotropia magnetocristalina (MCA) .

Materiais ferromagnéticos, que retêm sua magnetização sem um campo magnético externo, são de particular interesse como sistemas de armazenamento de dados, portanto. Por exemplo, L 1₀ ligas ordenadas do tipo consistindo de dois elementos e dois períodos, como L 1₀ -FeCo e L 1₀ -FeNi, foram estudados ativamente como candidatos promissores para materiais magnéticos funcionais de próxima geração. No entanto, a combinação de elementos constituintes é extremamente limitada, e materiais com tipo, número e periodicidade de elementos estendidos raramente foram explorados.

O que impede essa exploração? Os cientistas apontam explosões combinatórias que podem ocorrer facilmente em filmes multicamadas, exigindo muito tempo e esforço na seleção dos elementos constituintes e fabricação do material, como o principal motivo. Além disso, é extremamente difícil prever a função do MCA devido à interação complexa de vários parâmetros, incluindo estrutura cristalina, momento magnético e estado eletrônico, e o protocolo convencional depende em grande parte de tentativa e erro. Assim, há muito escopo e necessidade de desenvolver uma rota eficiente para descobrir novos materiais magnéticos de alto desempenho.

Nesta frente, uma equipe de pesquisadores do Japão, incluindo o Prof. Masato Kotsugi, o Sr. Daigo Furuya e o Sr. Takuya Miyashita da Tokyo University of Science (TUS), juntamente com o Dr. Yoshio Miura do National Institute for Materials Science (NIMS) ), agora se voltou para uma abordagem orientada por dados para automatizar a previsão e síntese de novos materiais magnéticos.

Em um novo estudo, que foi disponibilizado on-line em 30 de junho de 2022 e publicado em Ciência e Tecnologia de Materiais Avançados:Métodos em 1º de julho de 2022, a equipe relatou seu sucesso no desenvolvimento do sistema de exploração de materiais, integrando ciências computacionais, de informação e experimentais para materiais magnéticos de alto MCA. O Prof. Kotsugi explica que eles "se concentraram na inteligência artificial e a combinaram com a ciência computacional e experimental para desenvolver um método eficiente de síntese de materiais. Materiais promissores além da expectativa humana foram descobertos em termos de estrutura eletrônica. Assim, isso mudará a natureza de engenharia de materiais!"

Em seu estudo, que foi resultado da pesquisa conjunta de TUS e NIMS e apoiado por JST-CREST, a equipe calculou a energia MCA por meio de cálculos de primeiros princípios (um método usado para calcular estados eletrônicos e propriedades físicas em materiais com base nas leis de mecânica quântica) e realizou otimização Bayesiana para busca de materiais com alta energia MCA. Depois de examinar o algoritmo para otimização Bayesiana, eles encontraram materiais promissores cinco vezes mais eficientemente do que através da abordagem convencional de tentativa e erro. Esse método robusto de busca de materiais foi menos suscetível a influências de fatores irregulares, como discrepâncias e ruído, e permitiu que a equipe selecionasse os três principais materiais candidatos - (Fe/Cu/Fe/Cu), (Fe/Cu/Co/Cu) e (Fe/Co/Fe/Ni)—compreendendo ferro (Fe), cobalto (Co), níquel (Ni) e cobre (Cu).

Os três principais materiais previstos com os maiores valores de energia MCA foram então fabricados através do método de empilhamento alternado monoatômico usando a técnica de deposição pulsada a laser para criar materiais magnéticos multicamadas consistindo em 52 camadas, a saber [Fe/Cu/Fe/Cu]₁₃ , [Fe/Cu/Co/Cu]₁₃ , e [Fe/Co/Fe/Ni]₁₃ . Entre as três estruturas, [Fe/Co/Fe/Ni]₁₃ mostrou um valor de MCA (3,74 × 10 ⁶ erg/cc) muito acima de L 1₀ -FeNi (1,30 × 10 ⁶ erg/cc).

Além disso, usando o método de perturbação de segunda ordem, a equipe descobriu que o MCA é gerado no estado eletrônico, o que não foi realizado em materiais relatados anteriormente. Isso atesta a adequação de empregar otimização Bayesiana para identificar estados eletrônicos que provavelmente são impossíveis de visualizar apenas através da experiência humana e da intuição. Assim, o método desenvolvido pode buscar autonomamente elementos adequados para projetar materiais magnéticos funcionais. "Esta técnica é extensível a materiais magnéticos avançados com correlações eletrônicas mais complicadas, como ligas de Heusler e materiais termoelétricos de spin", observa o Prof. Kotsugi. + Explorar mais

Equipe de pesquisa desenvolve nova estratégia para projetar materiais termoelétricos