Théorie physique explicable basée sur l’IA pour la conception de matériaux avancés

L’analyse microscopique des matériaux est essentielle pour obtenir des performances souhaitables dans les dispositifs nanoélectroniques de nouvelle génération, telles qu’une faible consommation d’énergie et des vitesses élevées. Cependant, les matériaux magnétiques impliqués dans de tels dispositifs présentent souvent des interactions incroyablement complexes entre les nanostructures et les domaines magnétiques. Ceci, à son tour, rend la conception fonctionnelle difficile.

Traditionnellement, les chercheurs ont effectué une analyse visuelle des données d’images microscopiques. Cependant, cela rend souvent l’interprétation de ces données qualitative et hautement subjective. Ce qui manque, c’est une analyse causale des mécanismes sous-jacents aux interactions complexes dans les matériaux magnétiques à l’échelle nanométrique.

Dans une percée récente publiée dans Rapports scientifiques, une équipe de chercheurs dirigée par le professeur Masato Kotsugi de l’Université des sciences de Tokyo, au Japon, a réussi à automatiser l’interprétation des données d’images microscopiques. Ils y sont parvenus en utilisant un « modèle d’énergie libre Landau étendu » qu’ils ont développé en utilisant une combinaison de topologie, de science des données et d’énergie libre.

Le modèle illustrait le mécanisme physique ainsi que l’emplacement critique de l’effet magnétique, et proposait une structure optimale pour un nanodispositif. Le modèle a utilisé des caractéristiques basées sur la physique pour dessiner des paysages énergétiques dans l’espace d’information, qui pourraient être appliqués pour comprendre les interactions complexes à l’échelle nanométrique dans une grande variété de matériaux.

« L’analyse conventionnelle est basée sur une inspection visuelle des images au microscope, et les relations avec la fonction du matériau ne sont exprimées que qualitativement, ce qui est un goulot d’étranglement majeur pour la conception des matériaux. Notre modèle étendu d’énergie libre de Landau nous permet d’identifier l’origine physique et l’emplacement de les phénomènes complexes au sein de ces matériaux. Cette approche surmonte le problème d’explicabilité auquel est confronté le deep learning, qui revient en quelque sorte à réinventer de nouvelles lois physiques », explique le professeur Kotsugi.

Lors de la conception du modèle, l’équipe a utilisé la technique de pointe dans les domaines de la topologie et de la science des données pour étendre le modèle d’énergie libre de Landau. Cela a conduit à un modèle qui a permis une analyse causale de l’inversion de l’aimantation dans les nanoaimants. L’équipe a ensuite procédé à une identification automatisée de l’origine physique et à la visualisation des images originales du domaine magnétique.

Leurs résultats indiquent que l’énergie de démagnétisation à proximité d’un défaut donne lieu à un effet magnétique, qui est responsable du « phénomène d’épinglage ». De plus, l’équipe a pu visualiser la concentration spatiale des barrières énergétiques, un exploit qui n’avait pas été réalisé jusqu’à présent. Enfin, l’équipe a proposé une conception topologiquement inverse des dispositifs d’enregistrement et des nanostructures à faible consommation d’énergie.

Le modèle proposé dans cette étude devrait contribuer à un large éventail d’applications dans le développement de dispositifs spintroniques, de technologies de l’information quantique et du Web 3.

« Notre modèle proposé ouvre de nouvelles possibilités d’optimisation des propriétés magnétiques pour l’ingénierie des matériaux. La méthode étendue nous permettra enfin de clarifier ‘pourquoi’ et ‘où’ la fonction d’un matériau est exprimée. L’analyse des fonctions des matériaux, qui s’appuyer sur l’inspection visuelle, peuvent maintenant être quantifiés pour rendre possible une conception fonctionnelle précise », conclut le professeur Kotsugi.