基于机器学习和第一性原理计算的自主材料搜索：针对 L10-FePt 基四元合金
材料科学
2024-12-02 v1
摘要
材料空间的高效探索是材料科学中的重要挑战。为此，结合机器学习和第一性原理计算的自主材料搜索方法已成为具有前景的解决方案。这些方法为发现新材料提供了系统且快速的手段，尤其在材料空间庞大时更为重要。这一需求在开发 L10 结构合金方面尤为关键——这些材料需要较大的磁矩（M）和磁晶体各向异性能（EMCA），以满足下一代数据存储技术的需求。尽管自主搜索方法已成功应用于各种材料体系，但带有优化磁性能的四元 L10 合金仍是一个开放且充实探索的前沿。本研究提出了一种面向识别磁性能优化 L10 合金的仿真驱动的自主搜索方法。在连续 100 天的搜索期间，我们的系统指出 FeMnPtEr 合金体系是一个具有优异 M 和 EMCA 值的有前景的候选方案。尽管需要进一步的实验验证，但本研究彰显了自主搜索方法在加速新材料发现方面的潜力。
引用
@article{arxiv.2411.18907,
title = {Autonomous materials search using machine learning and ab initio calculations for L10-FePt-based quaternary alloys},
author = {Yuma Iwasaki and Daisuke Ogawa and Masato Kotsugi and Yukiko K. Takahashi},
journal= {arXiv preprint arXiv:2411.18907},
year = {2024}
}