应用机器学习阐明 Ni 和 Ni80Fe20 中的超快去磁动力学
其他凝聚态物理
2024-06-17 v1
摘要
理解快速和超快去磁过程之间的相关性对于阐明超快去磁背后的微观机制至关重要，这对于各种自旋电子学应用具有重要意义。初始理论模型试图建立这种相关性，但由于物理现象的复杂相互作用面临挑战。为此，我们采用了多种机器学习方法，包括监督学习回归算法和符号回归，来分析有限的实验数据并从而推导出去磁时间与 Gilbert 阻尼因子之间的有意义的数学表达式。结果表明，多项式回归和 K 近邻算法在预测去磁时间方面表现最佳。此外，sure-independence-screening-and-sparsifying-operator (SISSO) 作为一种符号回归方法，建议去磁时间与阻尼因子之间存在直接相关性，这表明自旋翻转散射在超快去磁机制中占主导地位。开发的模型在预测能力方面表现有前景，已通过独立实验数据进行验证。不同材料之间的比较凸显了材料性质对超快去磁行为的显著影响。该研究强调了机器学习在阐明复杂物理现象方面的潜力，并为未来的超快磁性研究提供了宝贵的见解。
关键词
引用
@article{arxiv.2406.09620,
title = {Applying Machine Learning to Elucidate Ultrafast Demagnetization Dynamics in Ni and Ni80Fe20},
author = {Hasan Ahmadian Baghbaderani and Byoung-Chul Choi},
journal= {arXiv preprint arXiv:2406.09620},
year = {2024}
}
备注
12 pages, 3 figures