En science des matériaux, les candidats à de nouveaux matériaux fonctionnels sont généralement explorés par essais et erreurs par le biais de calculs, de méthodes synthétiques et d'analyses de matériaux. Cependant, l'approche prend du temps et nécessite une expertise. Désormais, des chercheurs japonais ont utilisé une approche basée sur les données pour automatiser le processus de prédiction de nouveaux matériaux magnétiques. En combinant les calculs des premiers principes, l'optimisation bayésienne et le dépôt alternatif monoatomique, la méthode proposée peut permettre un développement plus rapide des dispositifs électroniques de nouvelle génération.

Les scientifiques des matériaux sont constamment à la recherche de nouveaux "matériaux fonctionnels" avec des propriétés favorables orientées vers certaines applications. Par exemple, la découverte de nouveaux matériaux magnétiques fonctionnels pourrait ouvrir les portes à des dispositifs spintroniques économes en énergie. Ces dernières années, le développement de dispositifs de spintronique tels que la mémoire vive magnétorésistive ― un dispositif électronique dans lequel un seul élément magnétorésistif est intégré comme un bit d'information ― a progressé rapidement, pour lesquels des matériaux magnétiques à forte anisotropie magnétocristalline (MCA) sont nécessaires .

Les matériaux ferromagnétiques, qui conservent leur aimantation sans champ magnétique externe, présentent donc un intérêt particulier en tant que systèmes de stockage de données. Par exemple, L 1₀ alliages ordonnés de type composé de deux éléments et de deux périodes, tels que L 1₀ -FeCo et L 1₀ -FeNi, ont été étudiés activement en tant que candidats prometteurs pour les matériaux magnétiques fonctionnels de nouvelle génération. Cependant, la combinaison d'éléments constitutifs est extrêmement limitée et les matériaux avec un type, un nombre et une périodicité d'élément étendus ont rarement été explorés.

Qu'est-ce qui freine cette exploration ? Les scientifiques indiquent que les explosions combinatoires qui peuvent se produire facilement dans les films multicouches, nécessitant beaucoup de temps et d'efforts dans la sélection des éléments constitutifs et la fabrication des matériaux, sont la principale raison. En outre, il est extrêmement difficile de prédire la fonction de MCA en raison de l'interaction complexe de divers paramètres, notamment la structure cristalline, le moment magnétique et l'état électronique, et le protocole conventionnel repose en grande partie sur des essais et des erreurs. Ainsi, il y a beaucoup de possibilités et de besoins pour développer une voie efficace pour découvrir de nouveaux matériaux magnétiques à haute performance.

Sur ce front, une équipe de chercheurs japonais comprenant le professeur Masato Kotsugi, M. Daigo Furuya et M. Takuya Miyashita de l'Université des sciences de Tokyo (TUS), ainsi que le Dr Yoshio Miura de l'Institut national des sciences des matériaux (NIMS ), s'est maintenant tournée vers une approche basée sur les données pour automatiser la prédiction et la synthèse de nouveaux matériaux magnétiques.

Dans une nouvelle étude, mise en ligne le 30 juin 2022 et publiée dans Science and Technology of Advanced Materials :Methods le 1er juillet 2022, l'équipe a signalé son succès dans le développement d'un système d'exploration de matériaux en intégrant les sciences informatiques, de l'information et expérimentales pour les matériaux magnétiques à MCA élevé. Le professeur Kotsugi explique qu'ils "se sont concentrés sur l'intelligence artificielle et l'ont combinée avec la science informatique et expérimentale pour développer une méthode de synthèse de matériaux efficace. Des matériaux prometteurs au-delà des attentes humaines ont été découverts en termes de structure électronique. Ainsi, cela changera la nature du génie des matériaux !"

Dans leur étude, qui était le résultat d'une recherche conjointe par TUS et NIMS et soutenue par JST-CREST, l'équipe a calculé l'énergie MCA par des calculs de premiers principes (une méthode utilisée pour calculer les états électroniques et les propriétés physiques des matériaux sur la base des lois de mécanique quantique) et effectué une optimisation bayésienne pour rechercher des matériaux à haute énergie MCA. Après avoir examiné l'algorithme d'optimisation bayésienne, ils ont trouvé des matériaux prometteurs cinq fois plus efficaces que par l'approche conventionnelle par essais et erreurs. Cette méthode de recherche de matériaux robuste était moins sensible aux influences de facteurs irréguliers tels que les valeurs aberrantes et le bruit et a permis à l'équipe de sélectionner les trois principaux matériaux candidats :(Fe/Cu/Fe/Cu), (Fe/Cu/Co/Cu) et (Fe/Co/Fe/Ni)―comprenant le fer (Fe), le cobalt (Co), le nickel (Ni) et le cuivre (Cu).

Les trois principaux matériaux prédits avec les plus grandes valeurs d'énergie MCA ont ensuite été fabriqués via la méthode d'empilement alterné monoatomique en utilisant la technique de dépôt pulsé par laser pour créer des matériaux magnétiques multicouches composés de 52 couches, à savoir [Fe/Cu/Fe/Cu]₁₃ , [Fe/Cu/Co/Cu]₁₃ , et [Fe/Co/Fe/Ni]₁₃ . Parmi les trois structures, [Fe/Co/Fe/Ni]₁₃ a montré une valeur MCA (3,74 × 10 ⁶ erg/cc) bien supérieur à celui de L 1₀ -FeNi (1,30 × 10 ⁶ erg/cc).

De plus, en utilisant la méthode de perturbation du second ordre, l'équipe a découvert que le MCA est généré à l'état électronique, ce qui n'a pas été réalisé dans les matériaux précédemment rapportés. Cela atteste de la pertinence de l'utilisation de l'optimisation bayésienne pour identifier des états électroniques qui sont probablement impossibles à imaginer par l'expérience humaine et l'intuition seules. Ainsi, la méthode développée peut rechercher de manière autonome des éléments appropriés pour concevoir des matériaux magnétiques fonctionnels. "Cette technique est extensible aux matériaux magnétiques avancés avec des corrélations électroniques plus compliquées, tels que les alliages Heusler et les matériaux spin-thermoélectriques", observe le professeur Kotsugi. + Explorer plus loin

Une équipe de recherche développe une nouvelle stratégie pour la conception de matériaux thermoélectriques