Uitlegbare op AI gebaseerde fysische theorie voor geavanceerd materiaalontwerp

Microscopische materiaalanalyse is essentieel om gewenste prestaties te bereiken in nano-elektronische apparaten van de volgende generatie, zoals een laag stroomverbruik en hoge snelheden. De magnetische materialen die bij dergelijke apparaten zijn betrokken, vertonen echter vaak ongelooflijk complexe interacties tussen nanostructuren en magnetische domeinen. Dit maakt op zijn beurt functioneel ontwerp uitdagend.

Traditioneel hebben onderzoekers een visuele analyse van de microscopische beeldgegevens uitgevoerd. Dit maakt de interpretatie van dergelijke gegevens echter vaak kwalitatief en zeer subjectief. Wat ontbreekt is een causale analyse van de mechanismen die ten grondslag liggen aan de complexe interacties in magnetische materialen op nanoschaal.

In een recente doorbraak gepubliceerd in Wetenschappelijke rapporten, slaagde een team van onderzoekers onder leiding van prof. Masato Kotsugi van de Tokyo University of Science, Japan erin de interpretatie van de microscopische beeldgegevens te automatiseren. Ze bereikten dit met behulp van een “uitgebreid Landau-model voor vrije energie” dat ze ontwikkelden met behulp van een combinatie van topologie, datawetenschap en vrije energie.

Het model illustreerde zowel het fysieke mechanisme als de kritische locatie van het magnetische effect en stelde een optimale structuur voor een nanodevice voor. Het model gebruikte op fysica gebaseerde kenmerken om energielandschappen in de informatieruimte te tekenen, die konden worden toegepast om de complexe interacties op nanoschaal in een grote verscheidenheid aan materialen te begrijpen.

“Conventionele analyse is gebaseerd op een visuele inspectie van microscoopbeelden en de relaties met de materiële functie worden alleen kwalitatief uitgedrukt, wat een belangrijk knelpunt is voor materiaalontwerp. Ons uitgebreide Landau-vrije energiemodel stelt ons in staat om de fysieke oorsprong en locatie van de complexe fenomenen binnen deze materialen. Deze benadering overwint het verklaarbaarheidsprobleem waarmee diep leren wordt geconfronteerd, wat in zekere zin neerkomt op het opnieuw uitvinden van nieuwe natuurkundige wetten, “legt prof. Kotsugi uit.

Bij het ontwerpen van het model maakte het team gebruik van de modernste techniek op het gebied van topologie en datawetenschap om het Landau-model voor vrije energie uit te breiden. Dit leidde tot een model dat een causale analyse van de magnetisatie-omkering in nanomagneten mogelijk maakte. Het team voerde vervolgens een geautomatiseerde identificatie uit van de fysieke oorsprong en visualisatie van de originele afbeeldingen van het magnetische domein.

Hun resultaten gaven aan dat de demagnetisatie-energie in de buurt van een defect aanleiding geeft tot een magnetisch effect, dat verantwoordelijk is voor het “pinning-fenomeen”. Verder kon het team de ruimtelijke concentratie van energiebarrières visualiseren, een prestatie die tot nu toe niet was bereikt. Ten slotte stelde het team een ​​topologisch omgekeerd ontwerp voor van opnameapparaten en nanostructuren met een laag stroomverbruik.

Het model dat in deze studie wordt voorgesteld, zal naar verwachting bijdragen aan een breed scala aan toepassingen in de ontwikkeling van spintronische apparaten, kwantuminformatietechnologie en Web 3.

“Ons voorgestelde model opent nieuwe mogelijkheden voor het optimaliseren van magnetische eigenschappen voor materiaaltechniek. De uitgebreide methode zal ons eindelijk in staat stellen te verduidelijken ‘waarom’ en ‘waar’ de functie van een materiaal wordt uitgedrukt. De analyse van materiaalfuncties, die vroeger vertrouwen op visuele inspectie, kan nu worden gekwantificeerd om nauwkeurig functioneel ontwerp mogelijk te maken”, concludeert prof. Kotsugi.