用于高级材料设计的可解释的基于AI的物理理论

微观材料分析对于实现下一代纳米电子设备的理想性能至关重要，例如低功耗和高速。然而，此类设备中涉及的磁性材料通常在纳米结构和磁畴之间表现出极其复杂的相互作用。这反过来又使功能设计具有挑战性。

传统上，研究人员对显微图像数据进行了视觉分析。然而，这通常会使对此类数据的解释具有定性和高度主观性。所缺乏的是对纳米磁性材料中复杂相互作用的潜在机制的因果分析。

在最近发表在《科学报告》(ScientificReports)上的一项突破中，由日本东京理科大学MasatoKotsugi教授领导的一组研究人员成功地实现了显微图像数据解释的自动化。他们通过结合拓扑学、数据科学和自由能开发的“扩展Landau自由能模型”实现了这一目标。

该模型说明了物理机制以及磁效应的临界位置，并提出了纳米器件的最佳结构。该模型使用基于物理学的特征绘制信息空间中的能量景观，可用于理解各种材料在纳米尺度上的复杂相互作用。

。

“传统分析基于显微镜图像的目视检查，与材料功能的关系只能定性表达，这是材料设计的主要瓶颈。我们扩展的Landau自由能模型使我们能够识别物理起源和位置这些材料中的复杂现象。这种方法克服了深度学习所面临的可解释性问题，这在某种程度上相当于重新发明了新的物理定律，”Kotsugi教授解释说。

在设计模型时，团队利用拓扑学和数据科学领域的前沿技术，对朗道自由能模型进行了扩展。这导致了一个模型，该模型能够对纳米磁体中的磁化反转进行因果分析。该团队随后对原始磁畴图像的物理起源和可视化进行了自动识别。

他们的结果表明，缺陷附近的退磁能会产生磁效应，这是造成“钉扎现象”的原因。此外，该团队能够可视化能量屏障的空间集中度，这是迄今为止尚未实现的壮举。最后，该团队提出了低功耗的记录器件和纳米结构的拓扑逆向设计。

TUS的科学家们已经成功地在显微图像中可视化了微小的变化，并理解了难以通过视觉分析的机制。此外，他们还成功地逆向设计了低能耗的纳米结构。图片来源：日本东京理科大学的MasatoKotsugi。

本研究中提出的模型有望在自旋电子器件、量子信息技术和Web3的开发中产生广泛的应用。

“我们提出的模型为优化材料工程的磁性能开辟了新的可能性。扩展的方法最终将使我们能够阐明材料的功能被表达的‘原因’和‘何处’。材料功能的分析，过去常常用于依靠目视检查，现在可以量化，使精确的功能设计成为可能，”Kotsugi教授总结道。