.
Os dispositivos spintrônicos e sua operação são regidos pelas microestruturas dos domínios magnéticos. Essas estruturas de domínio magnético sofrem mudanças complexas e drásticas quando um campo magnético externo é aplicado ao sistema. As estruturas finas resultantes não são reproduzíveis e é um desafio quantificar a complexidade das estruturas do domínio magnético. Nosso entendimento do fenômeno da reversão da magnetização é, portanto, limitado a inspeções visuais rudimentares e métodos qualitativos, representando um grande gargalo no projeto de materiais. Tem sido difícil prever a estabilidade e a forma das estruturas do domínio magnético em Permalloy, que é um material bem conhecido estudado ao longo de um século.
Abordando essa questão, uma equipe de pesquisadores liderada pelo professor Masato Kotsugi, da Tokyo University of Science, no Japão, desenvolveu recentemente um método baseado em IA para analisar as funções dos materiais de maneira mais quantitativa. Em seu trabalho publicado em Ciência e Tecnologia de Materiais Avançados: Métodos, a equipe usou análise de dados topológicos e desenvolveu um método de análise super-hierárquico e explicativo para processos de reversão magnética. Em palavras simples, super-hierárquica significa, segundo a equipe de pesquisa, a conexão entre propriedades micro e macro, que geralmente são tratadas como isoladas, mas, no grande esquema, contribuem conjuntamente para a explicação física.
A equipe quantificou a complexidade das estruturas do domínio magnético usando homologia persistente, uma ferramenta matemática usada em topologia computacional que mede características topológicas de dados que persistem em várias escalas. A equipe visualizou ainda mais o processo de reversão da magnetização no espaço bidimensional usando a análise de componentes principais, um procedimento de análise de dados que resume grandes conjuntos de dados por “índices de resumo” menores, facilitando uma melhor visualização e análise. Como explica o Prof. Kotsugi, “a análise de dados topológicos pode ser usada para explicar o complexo processo de reversão da magnetização e avaliar quantitativamente a estabilidade da estrutura do domínio magnético.” A equipe descobriu que pequenas mudanças na estrutura invisível ao olho humano que indicavam uma característica oculta dominando os processos de reversão metaestável/estável podem ser detectadas por esta análise. Eles também determinaram com sucesso a causa da ramificação do processo de reversão macroscópica na estrutura original do domínio magnético microscópico.
A novidade desta pesquisa está em sua capacidade de conectar microestruturas de domínio magnético e funções magnéticas macroscópicas livremente entre hierarquias, aplicando os mais recentes avanços matemáticos em topologia e aprendizado de máquina. Isso permite a detecção de alterações microscópicas sutis e a subsequente previsão de estados estáveis/metaestáveis com antecedência, o que até então era impossível. “Esta análise super-hierárquica e explicativa melhoraria a confiabilidade dos dispositivos spintrônicos e nossa compreensão dos fenômenos estocásticos/determinísticos de reversão da magnetização”, disse o Prof. Kotsugi.
Curiosamente, o novo algoritmo, com sua capacidade explanatória superior, também pode ser aplicado para estudar fenômenos caóticos como o efeito borboleta. Na frente tecnológica, poderia melhorar a confiabilidade da escrita de memória magnética da próxima geração, ajudar no desenvolvimento de novo hardware para a próxima geração de dispositivos.
Fonte da história:
Materiais fornecidos por Universidade de Ciências de Tóquio. Observação: o conteúdo pode ser editado quanto ao estilo e tamanho.
.
