• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of Materials Research >Data-driven design of B20 alloys with targeted magnetic properties guided by machine learning and density functional theory
【24h】

Data-driven design of B20 alloys with targeted magnetic properties guided by machine learning and density functional theory

机译：由机器学习和密度泛函理论引导的目标磁性特性的B20合金数据驱动设计

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Chiral magnets in the B20 crystal structure host a peculiar spin texture in the form of a topologically stable skyrmion lattice. However, the helical transition temperature (T_c) of these compounds is below room temperature, which limits their potential in spintronics applications. Here, a data-driven approach is demonstrated, which integrates density functional theory (DFT) calculations with machine learning (ML) in search of alloying elements that will enhance the T_c of known B20 compounds. Initial DFT screening led to the identification of chromium (Cr) and tin (Sn) as potential substituents for alloy design. Then, trained ML models predict Sn substitution to be more promising than Cr-substitution for tuning the T_c of FeGe. The magnetic exchange energy calculated from DFT validates the promise of Sn as an effective alloying element for enhancing the T_c in Fe(Ge,Sn) compounds. New B20 chiral magnets are recommended for experimental investigation.
机译：B20晶体结构中的手性磁体以拓扑稳定的Skyrmion格子的形式寄出特殊的旋转质地。然而，这些化合物的螺旋转变温度（T_C）低于室温，这限制了它们在闪闪发光的应用中的潜力。这里，对数据驱动的方法进行了说明，其与机器学习（ML）集成了密度泛函理论（DFT）计算，以寻找将增强已知B20化合物的T_C的合金元素。初始DFT筛选导致铬（Cr）和锡（Sn）作为合金设计的潜在取代基。然后，训练的ML模型预测SN替换，比CR替代更有希望，用于调整FEGE的T_C。从DFT计算的磁交换能量验证了Sn的承诺，作为用于增强Fe（Ge，Sn）化合物的增强T_C的有效合金元素。建议使用新的B20手性磁铁进行实验调查。

著录项

  • 来源
    《Journal of Materials Research》 |2020年第8期|890-897|共8页
  • 作者

    Prasanna V. Balachandran;

  • 作者单位

    Department of Materials Science and Engineering Department of Mechanical and Aerospace Engineering University of Virginia Charlottesville Virginia 22904 USA;

  • 收录信息 美国《科学引文索引》(SCI);美国《工程索引》(EI);美国《生物学医学文摘》(MEDLINE);
  • 原文格式 PDF
  • 正文语种 eng
  • 中图分类
  • 关键词

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号