机器学习引导发现 HoB$_{2}$ 在氢液化温度附近的巨大磁卡效应
材料科学
2020-05-13 v1 机器学习
计算物理
摘要
磁制冷利用了磁卡效应，即材料在施加和撤去磁场时的熵变，为除传统气体循环之外的制冷提供了一条替代途径。尽管深入的研究已经发现了大量表现出大磁卡效应的磁性材料，但大量化合物的这些性质仍然未知。为了在这个未知空间中探索新的功能材料，机器学习被用作筛选可能表现出大磁卡效应的材料的指导。通过这种方法，HoB 被筛选出来并进行了合成，其磁卡性质得到了评估，从而在居里温度为 15 K 的铁磁二级相变附近，对于 5 T 的磁场变化，实验发现了 40.1 J kg K（0.35 J cm K）的巨大磁熵变。据我们所知，这是迄今为止在氢液化温度附近报道的最高值，因此它是一种非常适合用于氢液化和低温磁制冷应用的材料。
引用
@article{arxiv.2005.05618,
title = {Machine Learning Guided Discovery of Gigantic Magnetocaloric Effect in HoB$_{2}$ Near Hydrogen Liquefaction Temperature},
author = {Pedro Baptista de Castro and Kensei Terashima and Takafumi D Yamamoto and Zhufeng Hou and Suguru Iwasaki and Ryo Matsumoto and Shintaro Adachi and Yoshito Saito and Peng Song and Hiroyuki Takeya and Yoshihiko Takano},
journal= {arXiv preprint arXiv:2005.05618},
year = {2020}
}
备注
12 pages including 3 figures and 1 table + 11 pages of supplementary information. Published version available at: https://rdcu.be/b36ep