AI加速的交替磁材料发现

交替磁性作为一种新的磁相,已被理论提出并实验验证不同于铁磁性与反铁磁性。尽管已发现交替磁体具有诸多奇异物理性质,但已知交替磁材料的有限数量制约了此类性质的研究。因此,发现更多具有不同性质的新型交替磁材料,对于全面理解交替磁性进而促进下一代信息技术(如存储器件与高灵敏度传感器)的新应用至关重要。由于每种交替磁材料均具有独特晶体结构,我们提出一种由AI搜索引擎赋能的自动化发现方法:其采用预训练图神经网络学习材料晶体结构的内在特征,随后以有限正样本微调分类器,以预测给定材料候选的交替磁性概率。最终,我们成功发现了50种新的交替磁材料,涵盖金属、半导体与绝缘体,并经第一性原理电子结构计算确认。广泛的电子结构特征表明,这些新发现的交替磁材料中呈现出多种新颖物理性质,如反常霍尔效应、反常克尔效应与拓扑性质。值得注意的是,我们首次发现了4种$i$-波交替磁材料。总体而言,该AI搜索引擎表现远优于人类专家,并给出一组具有独特性质的新交替磁材料,彰显了其在靶向性质材料加速发现中的潜力。