p Os materiais 2-D são atomicamente finos, filmes de camada única dispostos em uma estrutura de cristal, que têm aplicações potenciais em dispositivos eletrônicos e optoeletrônicos de última geração. O ferromagnetismo (FM) nesses materiais - mecanismo pelo qual agem como ímãs - era considerado implausível até poucos anos atrás. Em 2017, cientistas descobriram FM de baixa temperatura em materiais 2-D, o que levou a avanços significativos nas áreas de nanotecnologia e eletrônica. p Em baixas temperaturas, materiais ferromagnéticos são capazes de reter bem suas propriedades magnéticas. Contudo, a ordem magnética em tais materiais é perturbada à medida que a temperatura aumenta. A temperatura na qual os materiais perdem suas propriedades FM é conhecida como ponto de Curie. O ponto de Curie é, portanto, uma propriedade crítica de materiais ferromagnéticos para aplicações práticas. Contudo, determinar a temperatura de Curie envolve um conjunto de cálculos muito complexos.

p Uma equipe de pesquisa do Instituto Indiano de Ciência (IISc) desenvolveu agora um código de computador de código aberto para estimar as temperaturas de Curie a partir das estruturas cristalinas dos materiais. O estudo, publicado em npg Materiais Computacionais, combina informática usando bancos de dados de código aberto e aprendizado de máquina para descobrir e prever as temperaturas de Curie de materiais ferromagnéticos 2-D (2DFM).

p A equipe adotou uma abordagem tripla. Primeiro, eles desenvolveram um código de computador totalmente automatizado que ajuda a calcular as temperaturas de Curie, eliminando a necessidade de cálculos heurísticos manuais. Segundo, eles foram capazes de identificar 26 materiais 2DFM de alta temperatura de grandes bancos de dados de código aberto, incluindo alguns materiais magnéticos importantes que foram esquecidos até agora. Esses materiais podem ser candidatos ideais para uso em dispositivos de alta temperatura.

p Em terceiro lugar, a equipe desenvolveu um modelo de aprendizado de máquina para prever a temperatura de Curie dos materiais. Embora o modelo atualmente use dados limitados, se for treinado com um conjunto de dados suficientemente grande de materiais 2DFM, pode ser capaz de substituir o código do computador, dizem os pesquisadores. Eles acreditam que isso ajudaria significativamente no avanço das aplicações práticas de materiais magnéticos 2-D.