Учёные впервые построили «карту» поведения магнитных материалов, которая позволяет заранее находить состояния с гигантским магнитосопротивлением и квантовыми эффектами без многолетнего перебора параметров
Учёные из Нанкинского университета разработали модель машинного обучения, которая впервые смогла свести одну из самых сложных задач физики конденсированного состояния к наглядной «карте». Алгоритм проанализировал более 2,27 миллионов кривых магнитосопротивления, автоматически разделил их всего на 13 типов и показал, как изменение электронных свойств материала переводит его из одного режима поведения в другой.
Работа посвящена аномальному эффекту Холла — явлению, которое десятилетиями остаётся одной из самых сложных тем современной физики магнитных материалов.
В обычном эффекте Холла движение электронов в магнитном поле хорошо описывается классической физикой. Однако в некоторых магнитных материалах электроны начинают вести себя значительно сложнее: зависимость сопротивления от магнитного поля приобретает двойные пики, широкие плато, необычные изгибы и может вообще перестать выходить на насыщение. На форму этих кривых одновременно влияют электронная структура материала и процессы рассеяния электронов, поэтому определить, какие именно параметры ответственны за наблюдаемую картину, чрезвычайно трудно.
Особенно сложной задача становится в материалах, где в переносе заряда одновременно участвуют несколько энергетических зон. Каждая новая переменная резко увеличивает число возможных комбинаций, превращая анализ результатов в многомерную задачу, для которой до сих пор не существовало универсального решения. Именно поэтому учёные решили не искать закономерности вручную, а поручили эту работу алгоритму машинного обучения.
Для обучения модели авторы сгенерировали свыше 2,27 миллионов теоретических кривых магнитосопротивления, рассчитанных на основе двухзонной модели с пятью изменяемыми электронными параметрами. Алгоритм работал без заранее заданных категорий — ему было «поручено» самостоятельно найти закономерности в массиве данных. Несмотря на колоссальное разнообразие кривых, система неожиданно свела их всего к 13 устойчивым типам.
После этого нейронную сеть обучили распознавать эти типы. При проверке на новых данных она правильно классифицировала кривые с точностью около 99%. Затем учёные построили фазовые диаграммы и топологические сети, которые показывают, как изменение даже одного параметра переводит материал из одного режима магнитосопротивления в другой. Вместо набора несвязанных графиков физики получили своеобразную навигационную карту поведения материалов.
Чтобы убедиться, что модель работает не только в теоретических вычислениях, её проверили на экспериментальных данных, полученных для магнитных нанопластинок Fe5GeTe2. Электронные свойства этого материала можно изменять электрическим полем, что делает его удобной платформой для подобных исследований. Реальные измерения практически полностью совпали с фазовыми диаграммами, построенными искусственным интеллектом, подтвердив, что методика применима не только к теоретическим моделям.
Практическая ценность работы выходит далеко за рамки простой классификации. Построенные карты сразу показывают, при каких сочетаниях параметров могут возникать материалы с гигантским магнитосопротивлением — эффектом, который уже используется в современных жёстких дисках и магнитных датчиках. Кроме того, они указывают области, где может существовать квантовый аномальный эффект Холла — состояние, при котором электрический ток течёт вдоль границ материала практически без потерь энергии.
Поиск таких состояний традиционно требовал огромного количества экспериментов и перебора параметров практически вслепую. Теперь исследователи могут заранее определить наиболее перспективные области и сосредоточиться именно на них. По мнению авторов работы, аналогичный подход можно будет распространить и на значительно более сложные системы — топологические изоляторы, сверхпроводящие структуры и другие квантовые материалы, где число возможных состояний ещё выше, а поиск новых физических эффектов остаётся одной из главных задач современной физики.