在最近的一项突破中，一个研究团队成功地利用“扩展朗道自由能模型”自动化解释了纳米级磁性材料的微观图像数据，该模型是该团队结合拓扑学、数据科学和自由能开发的。
可辩解的ai-based先进材料设计物理理论
科学家开发了一种“扩展朗道自由能模型”，用于在具有人工智能和拓扑结构的纳米磁性器件中进行因果分析和可视化。
微观材料分析对于实现下一代纳米电子器件的低功耗和高速性能至关重要。然而，这类器件中的磁性材料往往表现出纳米结构和磁畴之间难以置信的复杂相互作用。这反过来又使功能设计具有挑战性。
传统上，研究人员对微观图像数据进行了可视化分析。然而，这往往使这些数据的解释定性和高度主观。目前缺乏的是对纳米磁性材料中复杂相互作用机制的因果分析。
东京科学大学的一个研究团队开发的扩展朗道自由能模型的图像，使纳米磁体磁化反转的因果分析成为可能。通过该模型，该团队可以有效地可视化磁畴图像，并成功地实现了低能量要求的纳米结构的逆向设计。图片来源:日本东京科学大学Kotsugi实验室
在最近的一项突破中，一个研究小组成功地实现了对微观图像数据的自动化解读。这是通过“扩展朗道自由能模型”实现的，该团队结合拓扑、数据科学和自由能开发了该模型。该模型可以解释磁效应的物理机理和关键位置，并提出了纳米器件的最佳结构。该模型利用基于物理的特征在信息空间中绘制能量景观，可用于理解多种材料在纳米尺度上的复杂相互作用。这项研究的细节将发表在今天(11月29日)的《科学报告》杂志上。这项研究由日本东京科学大学的Masato Kotsugi教授领导。
传统的分析是基于显微镜图像的视觉检查，与材料功能的关系只能定性地表达，这是材料设计的主要瓶颈。我们的扩展朗道自由能模型使我们能够识别这些材料中复杂现象的物理起源和位置。这种方法克服了深度学习所面临的可解释性问题，在某种程度上，这相当于重新创造新的物理定律，”Kotsugi教授解释道。这项工作得到了KAKENHI, JSPS和mext创造电力电子创新核心技术项目的支持。
主成分分析降维结果的散点图。颜色代表总能量。磁畴与总能量之间的关系是在可解释的特征空间中联系起来的。图片来源:Masato Kotsugi来自日本东京科学大学
在设计模型时，团队利用拓扑学和数据科学领域的最新技术扩展了朗道自由能模型。这导致了一个模型，可以对纳米磁体中的磁化反转进行因果分析。然后，研究小组对原始磁畴图像的物理来源和可视化进行了自动识别。
他们的结果表明，缺陷附近的退磁能量会产生磁效应，这就是“钉住现象”的原因。此外，该团队还可以将能量障碍的空间集中可视化，这是迄今为止尚未实现的壮举。最后，该团队提出了一种低功耗的记录设备和纳米结构的拓扑逆设计。
本研究提出的模型有望在自旋电子器件、量子信息技术和Web 3的发展中产生广泛的应用。
主成分分析降维结果的散点图。颜色代表总能量。磁畴与总能量之间的关系是在可解释的特征空间中联系起来的。图片来源:Masato Kotsugi来自日本东京科学大学
“我们提出的模型为材料工程的磁性优化开辟了新的可能性。扩展的方法将最终允许我们澄清“为什么”和“哪里”材料的功能是表达的。材料功能分析，过去依赖于视觉检查，现在可以量化，使精确的功能设计成为可能，”Kotsugi教授乐观地总结道。
参考文献:“利用特征扩展朗道自由能进行磁化反转的因果分析和可视化”，2022年11月29日，科学报告。DOI: 10.1038 / s41598 - 022 - 21971 - 1
本研究得到了KAKENHI, jsp [21H04656]的支持。本研究的部分内容得到了墨西哥能源部电力电子创新核心技术创新项目(资助号:JPJ009777)和KAKENHI, JSPS [19K22117, 22K14590]的支持。
