Large spin splitting metallic altermagnets from machine-learned design rules
यह अध्ययन धात्विक अल्टरमैग्नेट (metallic altermagnets) के लिए डिज़ाइन नियमों की पहचान करने हेतु व्याख्या योग्य मशीन लर्निंग (interpretable machine learning) का उपयोग करता है, जिससे बड़े स्पिन स्प्लिटिंग वाले टेट्रागोनल ह्यूस्लर यौगिकों (Heusler compounds) के एक स्थिर परिवार की खोज हुई है जो मौजूदा बेंचमार्क से आगे निकल जाते हैं और आशाजनक टनलिंग मैग्नेटोरेसिस्टेंस (tunneling magnetoresistance) प्रदर्शित करते हैं।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
इलेक्ट्रॉनिक्स की दुनिया में, इलेक्ट्रॉनों के प्रवाह को उनके स्पिन (spin) के आधार पर नियंत्रित करना तेज़ और अधिक कुशल उपकरण बनाने के लिए एक अत्यंत महत्वपूर्ण लक्ष्य है। दशकों से, वैज्ञानिक इसके लिए दो मुख्य प्रकार के चुंबकीय पदार्थों पर निर्भर रहे हैं: फेरोमैग्नेट्स (ferromagnets), जो शक्तिशाली शुद्ध खिंचाव वाले छोटे बार मैग्नेट की तरह कार्य करते हैं, और एंटीफेरोमैग्नेट्स (antiferromagnets), जहाँ आंतरिक चुंबकीय बल एक-दूसरे को पूरी तरह से संतुलित कर देते हैं, जिससे कोई बाहरी खिंचाव नहीं बचता। फेरोमैग्नेट्स का उपयोग करना आसान है लेकिन वे आस-पास के घटकों में हस्तक्षेप करने वाले बिखरे हुए चुंबकीय क्षेत्र (stray magnetic fields) पैदा करते हैं, जबकि एंटीफेरोमैग्नेट्स शांत और सघन होते हैं लेकिन उन्हें नियंत्रित करना कठिन होता है क्योंकि उनमें वह शुद्ध चुंबकीय क्षेत्र नहीं होता। एक तीसरा वर्ग, जिसे हाल ही में 'अल्टरमैग्नेट्स' (altermagnets) नाम दिया गया है, इस अंतर को पाटने के लिए उभरा है। इन पदार्थों में एंटीफेरोमैग्नेट्स जैसा शांत, संतुलित चुंबकीय क्रम होता है, फिर भी वे स्पिन दिशा के आधार पर अपने इलेक्ट्रॉन ऊर्जा स्तरों को विभाजित करने में सक्षम होते हैं, जो एक ऐसी विशेषता है जो आमतौर पर फेरोमैग्नेट्स के पास होती है। यह अनूठा संयोजन उन्हें उन बिखरे हुए चुंबकीय क्षेत्रों को बनाए बिना स्पिन-ध्रुवीकृत धाराओं (spin-polarized currents) को ले जाने की अनुमति देता है जो पारंपरिक उपकरणों को प्रभावित करते हैं, जिससे वे अगली पीढ़ी की स्पिंट्रोनिक तकनीक के लिए एक आशाजनक उम्मीदवार बन जाते हैं।
इनके सैद्धांतिक आकर्षण के बावजूद, इस विवरण में फिट होने वाले वास्तविक दुनिया के पदार्थों को खोजना एक चुनौती रही है। हालाँकि शोधकर्ताओं ने कुछ उदाहरणों की पहचान की है, लेकिन उनमें से अधिकांश या तो इंसुलेटर (insulators) हैं जो बिजली को रोकते हैं या सेमीकंडक्टर्स (semiconductors) हैं जिन्हें मानक सर्किट में एकीकृत करना कठिन है। सबसे वांछित पुरस्कार एक धात्विक अल्टरमैग्नेट (metallic altermagnet) रहा है जो स्पिन अवस्थाओं का एक बड़ा, स्पष्ट विभाजन प्रदर्शित करता है, विशेष रूप से एक "डी-वेव" (d-wave) पैटर्न वाला, जो उपयोगी विद्युत धाराएं उत्पन्न करने के लिए सबसे कुशल आकार है। अब तक, ऐसे पदार्थ दुर्लभ रहे हैं, और उनकी खोज अक्सर एक स्पष्ट मानचित्र के बिना, एक के बाद एक रासायनिक यौगिकों का परीक्षण करने की एक धीमी 'ट्रायल एंड एरर' प्रक्रिया रही है।
स्वीडन के लुंड यूनिवर्सिटी और लिंगोपिंग यूनिवर्सिटी के शोधकर्ताओं द्वारा किए गए एक नए अध्ययन ने उच्च गति वाले कंप्यूटर सिमुलेशन के साथ आर्टिफिशियल इंटेलिजेंस को जोड़कर इस खोज के दृष्टिकोण को बदल दिया है। हजारों यादृच्छिक रसायनों का अंधाधुंध परीक्षण करने के बजाय, टीम ने पहले एक मशीन-लर्निंग मॉडल को बड़े स्पिन विभाजन (spin splitting) की ओर ले जाने वाले छिपे हुए पैटर्न को पहचानने के लिए प्रशिक्षित किया। उन्होंने कंप्यूटर को 180 पहले से अध्ययन किए गए चुंबकीय पदार्थों का डेटा दिया, जिससे एल्गोरिदम यह सीख सका कि कौन सी संरचनात्मक और रासायनिक विशेषताएं सबसे अधिक महत्वपूर्ण थीं। मॉडल ने सफलता के लिए दो सरल नियम जल्दी से पहचाने: क्रिस्टल संरचना को सघन होना चाहिए, जिसमें परमाणुओं की कम संख्या मजबूती से पैक हो, और उस संरचना के भीतर के चुंबकीय परमाणुओं में मजबूत स्थानीय चुंबकीय क्षण (local magnetic moments) धारण करने की क्षमता होनी चाहिए। इन निष्कर्षों ने अगले चरण की खोज के लिए स्पष्ट निर्देश प्रदान किए।
इन नियमों के साथ लैस होकर, शोधकर्ताओं ने अपना ध्यान 'ह्यूस्लर अलॉय' (Heusler alloys) नामक रासायनिक यौगिकों के एक विशिष्ट परिवार की ओर लगाया, जो टेट्रागोनल क्रिस्टल आकार में व्यवस्थित तीन अलग-अलग तत्वों से बने होते हैं। उन्होंने उन्नत 'डेंसिटी-फंक्शनल थ्योरी' (density-functional theory) का उपयोग करके इन यौगिकों के 307 विभिन्न रूपों की जांच की, जो ठोस पदार्थों में इलेक्ट्रॉनों के व्यवहार की गणना करने की एक कठोर विधि है। कंप्यूटर सिमुलेशन ने एक फिल्टर के रूप में कार्य किया, जिसने पहले यह जांचा कि क्या क्रिस्टल की समरूपता (symmetry) विशेष अल्टरमैग्नेटिक अवस्था की अनुमति देती है, और फिर यह सत्यापित किया कि क्या पदार्थ धात्विक बना रहता है। सैकड़ों उम्मीदवारों में से, सिमुलेशन ने पुष्टि की कि 157 वास्तव में धात्विक अल्टरमैग्नेट्स थे। टीम ने स्थिरता की जांच करके इस सूची को और छोटा किया, यह सुनिश्चित करते हुए कि पदार्थ सामान्य परिस्थितियों में टूटेंगे नहीं या अपना आकार नहीं बदलेंगे। इस प्रक्रिया ने उन्हें सोलह आशाजनक उम्मीदवारों की एक संक्षिप्त सूची तक पहुँचा दिया जो न केवल स्थिर थे बल्कि वांछित चुंबकीय गुणों के भी स्वामी थे।
परिणाम आश्चर्यजनक थे। इनमें से कई नए पदार्थों ने पहले से ज्ञात किसी भी धात्विक अल्टरमैग्नेट की तुलना में बहुत बड़ा स्पिन विभाजन प्रदर्शित किया। शीर्ष प्रदर्शन करने वाला यौगिक, जो कोबाल्ट, एल्युमीनियम और स्कैंडियम से बना है, ने 2.24 इलेक्ट्रॉनवोल्ट का स्पिन विभाजन दिखाया, जबकि दूसरा उम्मीदवार, जो आयरन, एल्युमीनियम और जर्मेनियम से बना है, ने 2.07 इलेक्ट्रॉनवोल्ट तक पहुँचा। इसे समझने के लिए, पिछला बेंचमार्क एक सामग्री था जिसे क्रोमियम एंटीमोनाइड (chromium antimonide) कहा जाता था, जिसने समान परीक्षण स्थितियों के तहत लगभग 1.43 इलेक्ट्रॉनवोल्ट पर विभाजन किया था। नए पदार्थों ने पिछले सर्वश्रेष्ठ धात्विक उदाहरणों के प्रदर्शन को दोगुने से अधिक कर दिया। शोधकर्ताओं ने यह भी गणना की कि ये पदार्थ एक वास्तविक उपकरण में कैसे व्यवहार करेंगे, यह अनुमान लगाते हुए कि कोबाल्ट-एल्युमीनियम-स्कैंडियम यौगिक 203 प्रतिशत तक टनलिंग मैग्नेटोरेसिस्टेंस (tunneling magnetoresistance) उत्पन्न कर सकता है। यह इस बात का माप है कि सामग्री स्पिन का उपयोग करके विद्युत प्रतिरोध को कितनी प्रभावी ढंग से चालू या बंद कर सकती है, जो मेमोरी स्टोरेज और लॉजिक गेट्स के लिए एक महत्वपूर्ण कार्य है।
केवल एक विजेता खोजने के अलावा, इस अध्ययन ने यह सिद्ध किया कि मशीन-लर्निंग दृष्टिकोण काम करता है। एल्गोरिदम द्वारा पहचाने गए दो सरल मानदंड—सघन यूनिट सेल्स और मजबूत स्थानीय चुंबकीय क्षण—एक पूरी तरह से नए रासायनिक परिवार में बड़े स्पिन विभाजन को खोजने के लिए विश्वसनीय भविष्यवक्ता साबित हुए। शोधकर्ताओं ने पुष्टि की कि ये पदार्थ केवल सैद्धांतिक जिज्ञासाएँ नहीं हैं; वे गतिशील और यांत्रिक रूप से स्थिर हैं, और उनमें से कई निम्न ऊर्जा अवस्था में हैं जो यह सुझाव देता है कि उन्हें प्रयोगशाला में संश्लेषित किया जा सकता है। अध्ययन ने यह भी मानचित्रित किया कि इन पदार्थों के माध्यम से इलेक्ट्रॉनों का स्पिन कैसे चलता है, जिससे पता चला कि विभाजन एक समान नहीं है बल्कि एक विशिष्ट चार-लोब (four-lobed) पैटर्न का अनुसरण करता है जो यात्रा के कोण के आधार पर दिशा बदलता है। यह दिशात्मक व्यवहार डी-वेव ऑर्डर की एक पहचान है और उन्नत इलेक्ट्रॉनिक्स के लिए आवश्यक जटिल स्पिन धाराओं को बनाने के लिए अनिवार्य है।
यह कार्य केवल पहचान तक ही सीमित नहीं है। शोधकर्ताओं ने प्रायोगिक वैज्ञानिकों के लिए एक विस्तृत रोडमैप प्रदान किया है, जिसमें कोबाल्ट-एल्युमीनियम-स्कैंडियम और आयरन-एल्युमीनियम-जर्मेनियम वेरिएंट जैसे विशिष्ट यौगिकों को तत्काल संश्लेषण के लिए सबसे व्यवहार्य लक्ष्य के रूप में रेखांकित किया गया है। उन्होंने 'इंट्रिन्सिक स्पिन हॉल कंडक्टिविटी' (intrinsic spin Hall conductivity) की भी गणना की, जो इस बात का माप है कि कोई सामग्री विद्युत धारा को स्पिन धारा में कितनी अच्छी तरह परिवर्तित कर सकती है, और पाया कि इनके मान पर्याप्त हैं और उद्योग में वर्तमान में उपयोग किए जाने वाले सर्वोत्तम पदार्थों के तुलनीय हैं। व्याख्या योग्य मशीन-लर्निंग को लक्षित 'फर्स्ट-प्रिंसिपल्स कैलकुलेशन' के साथ जोड़कर, टीम ने न केवल उच्च-प्रदर्शन वाले पदार्थों के एक नए परिवार की खोज की है, बल्कि उन्हें खोजने की एक नई पद्धति भी स्थापित की है। यह दृष्टिकोण सुझाव देता है कि पूर्ण चुंबकीय पदार्थ की खोज अब संयोग का खेल नहीं है, बल्कि एक निर्देशित अन्वेषण है जहाँ आगे का मार्ग उन पैटर्न से आलोकित होता है जो स्वयं डेटा प्रकट करता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।