Машинное обучение помогут разрабатывать магнитные наноматериалы

Магнитные гетероструктурные наночастицы имеют размер не больше 100 нм, а их оболочка и ядро могут выступать в качестве наномагнитов и притягивать другие магнитные материалы. Такие частицы используются в устройствах памяти и других компонентах микроэлектроники.

Понять, как быстро частицы будут перемагничиваться, можно по величине обменного смещения. До сих пор прогнозировать этот параметр можно было только с помощью сложнейших математических расчетов и моделирования.

Материаловеды из ИТМО под руководством Даниила Кладько создали модель машинного обучения, которая позволяет вычислить объемное смещение всего за несколько минут.

Ученые работали с простой моделью XGBoost, выпущенной еще в 2014 году. Для обучения составили банк данных по уже известным наночастицам: их форме, составу, размеру, напряженности магнитного поля и другим. После «тренировки» модель смогла правильно предсказать величину объемного смещения в 75% случаев.
 
Использование модели может сделать работу лабораторий более эффективной: вместо долгого синтеза и тестирования наночастиц можно будет быстро предсказать их магнитные свойства с помощью модели.

Авторы считают, что прогнозы XGBoost будет особенно полезны разработчикам микроэлектроники и медицинского оборудования.

Соответствующая научная статья вышла в журнале The Journal of Physical Chemistry С.