基于机器学习优化 Y 型六方铁磁非共轴磁序温度
材料科学
2024-07-16 v1
摘要
寻找 Y 型六方铁掺杂组成的最优配比，以实现增强的非共轴磁相变温度 (TNC)，长期以来一直是一大挑战。本文采用名为 SISSO（sure independence screening and sparsifying operator）的数据驱动机器学习方法建立组成-性质描述子。基于所选定的高效且具有物理解释性的描述子，预测出一系列 Y 型六方铁组成具有高 TNC，其中 BaSrMg0.28Co1.72Fe10Al2O22 经过实验验证。测试结果表明，在合适的外部磁场条件下，该组成的 TNC 可达高达 568 K，其磁相变温度也提升至 735 K。本工作为开发基于机器学习的室温单相多铁磁材料提供了一条用于器件应用的道路。
引用
@article{arxiv.2407.06975,
title = {Optimization of noncollinear magnetic ordering temperature in Y-type hexaferrite by machine learning},
author = {Yonghong Li and Jing Zhang and Linfeng Jiang and Long Zhang and Yugang Zhang and Xueliang Wu and Yisheng Chai and Xiaoyuan Zhou and Zizhen Zhou},
journal= {arXiv preprint arXiv:2407.06975},
year = {2024}
}
备注
accepted by Applied Physics Letters in 2024