Ученые из Нанкинского университета разработали модель машинного обучения, которая впервые построила наглядную «карту» для одной из самых сложных задач физики конденсированного состояния — аномального эффекта Холла. Об этом сообщает издание ixbt.com.

Ранее описание аномального эффекта Холла было одной из самых сложных тем в физике магнитных материалов. В таких материалах электроны ведут себя сложнее, чем описывает классическая физика, а зависимость сопротивления от магнитного поля приобретает необычные изгибы. Определить, какие параметры ответственны за наблюдаемую картину, было чрезвычайно трудно, особенно в материалах с несколькими энергетическими зонами.

Для решения этой задачи ученые использовали алгоритм машинного обучения. Модель проанализировала более 2,27 млн теоретических кривых магнитосопротивления, рассчитанных на основе двухзонной модели с пятью изменяемыми параметрами. Искусственный интеллект самостоятельно нашел закономерности в массиве данных и свел все многообразие кривых к 13 устойчивым типам.

Точность классификации кривых на новых данных составила около 99%. Работоспособность модели также проверили на экспериментальных данных, полученных для магнитных нанопластин Fe5GeTe2. Реальные измерения практически полностью совпали с фазовыми диаграммами, построенными ИИ.

Новая методика имеет большую практическую ценность. Построенные карты показывают, при каких сочетаниях параметров могут возникать материалы с гигантским магнитосопротивлением, которое используется в жестких дисках и датчиках. Также они указывают на области, где может существовать квантовый аномальный эффект Холла — состояние, при котором ток течет почти без потерь энергии. Подход можно будет распространить на топологические изоляторы и сверхпроводящие структуры.

Подписывайтесь на наш Telegram-канал, чтобы быть в курсе всех новостей и событий Рунета.