Large spin splitting metallic altermagnets from machine-learned design rules

In der Welt der Elektronik ist die Steuerung des Elektronenflusses basierend auf deren Spin der heilige Gral für den Bau schnellerer, effizientererer Geräte. Seit Jahrzehnten verlassen sich Wissenschaftler auf zwei Haupttypen magnetischer Materialien, um dies zu erreichen: Ferromagnete, die wie winzige Stabmagnete mit einem starken Nettozug wirken, und Antiferromagnete, bei denen sich die internen Magnetkräfte perfekt aufheben und somit keine externe Anziehungskraft hinterlassen. Ferromagnete sind einfach zu verwenden, erzeugen aber Streufelder, die benachbarte Komponenten stören, während Antiferromagnete zwar „leise“ und dicht sind, sich jedoch aufgrund des fehlenden Nettomagnetfeldes nur schwer manipulieren lassen. Eine dritte Kategorie, die kürzlich als Altermagnet bezeichnet wurde, ist entstanden, um diese Lücke zu schließen. Diese Materialien besitzen die stille, ausgeglichene magnetische Ordnung von Antiferromagneten, schaffen es jedoch dennoch, ihre Elektronenenergieniveaus basierend auf der Spinrichtung aufzuspalten – eine Eigenschaft, die normalerweise Ferromagneten vorbehalten ist. Diese einzigartige Kombination ermöglicht es ihnen, spinpolarisierte Ströme zu führen, ohne die unordentlichen Magnetfelder zu erzeugen, die traditionelle Geräte plagen, was sie zu einem vielversprechenden Kandidaten für die nächste Generation der Spintronik-Technologie macht.

Trotz ihres theoretischen Reizes war das Finden von realen Materialien, die dieser Beschreibung entsprechen, eine Herausforderung. Während Forscher bereits einige Beispiele identifiziert haben, sind die meisten entweder Isolatoren, die Elektrizität blockieren, oder Halbleiter, die sich nur schwer in Standardkreisläufe integrieren lassen. Der am meisten begehrte Preis war ein metallischer Altermagnet, der eine große, klare Trennung der Spinzustände aufweist, insbesondere einer mit einem „d-Wellen“-Muster, welches die effizienteste Form zur Erzeugung nutzbarer elektrischer Ströme darstellt. Bis jetzt waren solche Materialien selten, und die Suche nach ihnen war oft ein langsamer Prozess von Versuch und Irrtum, bei dem eine chemische Verbindung nach der anderen getestet wurde, ohne eine klare Karte dessen zu haben, wonach man suchen sollte.

Eine neue Studie von Forschern der Universitäten Lund und Linköping in Schweden hat den Ansatz dieser Suche verändert, indem sie künstliche Intelligenz mit Hochgeschwindigkeits-Computersimulationen kombinierte. Anstatt blind tausende zufällige Chemikalien zu testen, brachte das Team zuerst einem Machine-Learning-Modell bei, die verborgenen Muster zu erkennen, die zu einer großen Spinsplitung führen. Sie fütterten den Computer mit Daten von 180 zuvor untersuchten magnetischen Materialien, wodurch der Algorithmus lernen konnte, welche strukturellen und chemischen Merkmale am wichtigsten waren. Das Modell identifizierte schnell zwei einfache Regeln für den Erfolg: Die Kristallstruktur muss kompakt sein, mit einer geringen Anzahl von Atomen, die eng zusammengepackt sind, und die magnetischen Atome innerhalb dieser Struktur müssen in der Lage sein, starke lokale magnetische Momente zu halten. Diese Erkenntnisse lieferten eine klare Anleitung für die nächste Phase der Jagd.

Bewaffnet mit diesen Regeln wandten die Forscher ihre Aufmerksamkeit auf eine spezifische Familie chemischer Verbindungen, bekannt als Heusler-Legierungen, die aus drei verschiedenen Elementen bestehen, die in einer tetragonalen Kristallform angeordnet sind. Sie screenten 307 verschiedene Variationen dieser Verbindungen mittels fortschrittlicher Dichtefunktionaltheorie, einer strengen Methode zur Berechnung des Verhaltens von Elektronen in Festkörpern. Die Computersimulationen fungierten als Filter, der zuerst prüfte, ob die Symmetrie des Kristalls den speziellen altermagnetischen Zustand ermöglichte, und anschließend verifizierte, ob das Material metallisch blieb. Von den hunderten Kandidaten bestätigten die Simulationen, dass 157 tatsächlich metallische Altermagnete waren. Das Team verfeinerte diese Liste weiter, indem es die Stabilität prüfte, um sicherzustellen, dass die Materialien unter normalen Bedingungen nicht zerfallen oder ihre Form ändern. Dieser Prozess hinterließ eine Shortlist von sechzehn vielversprechenden Kandidaten, die nicht nur stabil waren, sondern auch die gewünschten magnetischen Eigenschaften besaßen.

Die Ergebnisse waren beeindruckend. Mehrere dieser neuen Materialien zeigten eine Spinsplitung, die weit größer war als bei jedem bisher bekannten metallischen Altermagneten. Der Spitzenreiter, eine Verbindung aus Kobalt, Aluminium und Scandium, zeigte eine Spinsplitung von 2,24 Elektronenvolt, während ein zweiter Kandidat aus Eisen, Aluminium und Germanium 2,07 Elektronenvolt erreichte. Um dies in Perspektive zu setzen: Der bisherige Maßstab für metallische Altermagnete war ein Material namens Chromantimonid, das unter denselben Testbedingungen bei etwa 1,43 Elektronenvolt spaltete. Die neuen Materialien übertrafen die Leistung der besten bisherigen metallischen Beispiele um mehr als das Doppelte. Die Forscher berechneten zudem, wie sich diese Materialien in einem realen Bauteil verhalten würden, und schätzten, dass die Kobalt-Aluminium-Scandium-Verbindung einen Tunnelmagnetwiderstand von bis zu 203 Prozent erzeugen könnte. Dies ist ein Maß dafür, wie effektiv das Material den elektrischen Widerstand mithilfe des Spins ein- und ausschalten kann – eine kritische Funktion für die Datenspeicherung und Logikgatter.

Über das bloße Finden eines einzelnen Gewinners hinaus demonstrierte die Studie, dass der Machine-Learning-Ansatz funktioniert. Die zwei einfachen Kriterien, die der Algorithmus identifizierte – kompakte Elementarzellen und starke lokale magnetische Momente – erwiesen sich als zuverlässige Prädiktoren für das Finden großer Spinsplitung in einer völlig neuen chemischen Familie. Die Forscher bestätigten, dass diese Materialien nicht nur theoretische Kuriositäten sind; sie sind dynamisch und mechanisch stabil, und viele von ihnen befindenst sich in einem niedrigen Energiezustand, was darauf hindeutet, dass sie im Labor synthetisiert werden könnten. Die Studie kartierte auch, wie sich der Spin der Elektronen durch diese Materialien bewegt, und enthüllte, dass die Aufspaltung nicht gleichmäßig ist, sondern einem spezifischen vierlappigen Muster folgt, das die Richtung ändert, je nach Winkel der Bewegung. Dieses richtungsabhängige Verhalten ist ein Kennzeichen der d-Wellen-Ordnung und ist essenziell für die Erzeugung der komplexen Spinströme, die für fortschrittliche Elektronik benötigt werden.

Die Arbeit endet nicht bei der Identifizierung. Die Forscher haben einen detaillierten Fahrplan für Experimentalisten bereitgestellt, wobei sie spezifische Verbindungen wie die Kobalt-Aluminium-Scandium- und Eisen-Aluminium-Germanium-Varianten als die lebensfähigsten Ziele für eine sofortige Synthese hervorheben. Sie haben auch die intrinsische Spin-Hall-Leitfähigkeit berechnet – ein Maß dafür, wie gut das Material einen elektrischen Strom in einen Spinstrom umwandeln kann – und festgestellt, dass die Werte beträchtlich sind und mit den besten derzeit in der Industrie verwendeten Materialien vergleichbar sind. Durch die Kombination von interpretierbarem maschinellem Lernen mit gezielten First-Principles-Berechnungen hat das Team nicht nur eine neue Familie von Hochleistungsmaterialien entdeckt, sondern auch eine neue Methode zu deren Auffindung etabliert. Dieser Ansatz legt nahe, dass die Suche nach dem perfekten magnetischen Material kein Glücksspiel mehr ist, sondern eine geführte Exploration, bei der der Weg nach vorn durch die Muster beleuchtet wird, die die Daten selbst offenbaren.