基于主动学习的 Ta-Nb-Hf-Zr-Ti 体系自旋输运性质贝叶斯优化
材料科学
2023-09-11 v1
摘要
设计具有增强自旋电荷转换能力（即高自旋霍尔电导 (SHC) 和低纵向电导，从而具有大自旋霍尔角 (SHA)）的材料是一项具有挑战性的任务，尤其是在成分复杂合金 (CCA) 存在广阔化学空间的情况下。本工作中，我们聚焦于 Ta-Nb-Hf-Zr-Ti 体系，证实了 CCA 表现出显著的自旋霍尔电导，并提出了一种结合主动学习 (AL) 的多目标贝叶斯优化方法 (MOBO)，以筛选具有显著 SHC 和 SHA 的最优成分。结果，在不到 5 次迭代内，我们便能锁定以 TaZr 为主的体系，其同时表现出高量级的 SHC（约 -2.0 (10 cm)）和 SHA（约 0.03）。SHC 主要归因于外在偏斜散射机制。我们的工作为识别具有显著自旋霍尔效应 (SHE) 的新材料提供了一条高效途径，并可直接推广至在广阔化学空间中优化其他性质。
引用
@article{arxiv.2309.04168,
title = {Bayesian optimization with active learning of Ta-Nb-Hf-Zr-Ti system for spin transport properties},
author = {Ruiwen Xie and Yixuan Zhang and Fu Li and Zhiyuan Li and Hongbin Zhang},
journal= {arXiv preprint arXiv:2309.04168},
year = {2023}
}