Physics-informed X-ray tomography of magnetization and material parameters

Sintesi Tecnica: Tomografia a raggi X informata dalla fisica di parametri magnetici e dei materiali

Definizione del problema
Le texture magnetiche tridimensionali, come le stringhe di skyrmion, gli hofpion e gli anelli di vortice, sono stabilizzate da interazioni microscopiche all'interno dei materiali ospiti. Sebbene la tomografia magnetica vettoriale a raggi X (utilizzando il dicroismo circolare assorbimento di raggi X, o XMCD) sia in grado di immagini queste strutture su scala nanometrica, la tecnica presenta limitazioni significative. Il debole contrasto magnetico spesso risulta in proiezioni rumorose, e i vincoli pratici relativi ai tempi di esposizione alla luce di sincrotrone, alla dose di radiazioni e agli angoli di misurazione accessibili portano frequentemente a dati incompleti (ad esempio, cunei o coni mancanti). Di conseguenza, le ricostruzioni iterative standard spesso lasciano le caratteristiche su scala nanometrica scarsamente vincolate o introducono artefatti, in particolare quando la risoluzione sperimentale si avvicina alla scala delle caratteristiche magnetiche stesse. Inoltre, gli approcci tradizionali che applicano modelli micromagnetici solo dopo la ricostruzione non possono recuperare le caratteristiche perse durante il processo di imaging e dipendono da una sintonizzazione manuale che richiede molto tempo.

Metodologia
Gli autori propongono un framework di ricostruzione "informato dalla fisica" che integra direttamente il funzionale di energia micromagnetica nel processo di ottimizzazione tomografica. Inve แทน di trattare la ricostruzione come un puro problema inverso matematico, il metodo minimizza una funzione obiettivo congiunta $L(m)$:
$$L(m) = L^2_{\text{data}}(m) + \lambda_E E_{\text{total}}(m)$$
dove $L^2_{\text{data}}$ misura il disaccordo tra le proiezioni simulate e quelle misurate e $E_{\text{total}}$ rappresenta l'energia micromagnetica totale del campione. Questo termine di energia include la rigidità di scambio ($A$), le interazioni di demagnetizzazione (scalate dalla magnetizzazione di saturazione $M_s$) e l'interazione Dzyaloshinskii–Moriya (DMI, costante $D$).

La ricostruzione utilizza un ottimizzatore basato sul gradiente (Riemannian Adam) con differenziazione automatica per aggiornare il campo vettoriale di magnetizzazione $\mathbf{m}$ (dove $|\mathbf{m}|=1$). Il modello diretto simula gli integrali di linea delle componenti della magnetizzazione lungo la direzione del fascio per serie di inclinazione a doppio asse. L'energia micromagnetica funge da prior fisico, vincolando la soluzione a stati fisicamente plausibili senza sfocare le pareti di dominio, poiché il funzionale di energia completo (inclusi i termini competitivi) è preservato anziché un semplice termine di smoothing.

Contributi chiave e risultati
Il metodo è stato applicato a un disco di diametro 1,1 µm e spessore 300 nm del magnete chirale a temperatura ambiente $\text{Co}_8\text{Zn}_9\text{Mn}_3$, immagini tramite ptychografia a raggi X molli dicroica.

1. Recupero da dati sparsi e ad asse singolo:
   Lo studio dimostra che l'approccio informato dalla fisica può recuperare la completa texture elicoidale 3D da dataset significativamente ridotti.

• Campionamento sparso: Sono state ottenute ricostruzioni accurate utilizzando solo 9 proiezioni (ogni 8ª proiezione rispetto a un set standard a doppio asse) rispetto alle 67 complete.
• Tomografia ad asse singolo: Il metodo ha ricostruito con successo la magnetizzazione 3D utilizzando esclusivamente i dati di un singolo asse di inclinazione (sia la serie $xz$ che quella $yz$). Poiché un singolo asse non può misurare la componente della magnetizzazione parallela all'asse di rotazione, l'energia micromagnetica accoppia la componente non misurata a quelle misurate, permettendo all'ottimizzatore di inferire l'informazione mancante in modo coerente con la fisica del materiale.
• Validazione: Utilizzando una verità di base (ground truth) sintetica generata dai dati sperimentali, gli autori hanno mostrato che, senza il prior fisico, l'errore nelle componenti in piano era elevato ($\epsilon_m = 0,74$). Con il prior fisico bilanciato, l'errore è sceso a $\epsilon_m = 0,11$, recuperando accuratamente tutte e tre le componenti vettoriali.

2. Sensibilità dei parametri e readout:
   Gli autori hanno investigato se la ricostruzione potesse determinare i parametri del materiale ($A$, $D$, $M_s$) analizzando il disaccordo dei dati ad alti pesi di energia ($\lambda_E$).

• Sensibilità: È stato riscontrato che il disaccordo dei dati è relativamente insensibile a $M_s$, ma altamente sensibile al rapporto tra rigidità di scambio e DMI ($A/D$).
• Valore di readout: Minimizzando il disaccordo dei dati attraverso una griglia di parametri, il metodo ha identificato una costante DMI ottimale di $D = 0,66 \times 10^{-3} \text{ J m}^{-2}$ (assumendo il valore di letteratura $A_0$). Questo valore è circa il 10% superiore al valore di letteratura ($D_0 = 0,60 \times 10^{-3} \text{ J m}^{-2}$) derivato dalla relazione della periodicità elicoidale bulk ($L_D = 4\pi A/D$).
• Spiegazione: La discrepanza è attribuita alla differenza tra la relazione bulk (valida per cristalli illimitati) e la geometria confinata della nanostruttura. Il modello informato dalla fisica, che tiene conto dell'energia completa del disco confinato, fornisce un set di parametri che riproduce meglio la texture misurata rispetto al valore derivato dal bulk.

Significato e rivendicazioni
L'articolo sostiene che questo approccio offre un duplice beneficio per l'imaging magnetico:

1. Efficienza: Riduce i tempi e i tempi di esposizione richiesti per la tomografia vettoriale, consentendo ricostruzioni 3D robuste da acquisizioni con campionamento sparso o ad asse singolo, facilitando studi risolti nel tempo e dipendenti dal campo.
2. Caratterizzazione dei materiali: Estende l'utilità della tomografia oltre l'imaging alla "magnetometria guidata dalla texture", permettendo la determinazione dei parametri fondamentali delle interazioni magnetiche (specificamente il rapporto $A/D$) direttamente dalla texture della nanostruttura.

Gli autori sottolineano che il metodo è modulare; il prior fisico può essere accoppiato a qualsiasi modello diretto differenziabile (ad esempio, olografia elettronica o tomografia Lorentz) ed esteso per includere altre interazioni dei materiali, a condizione che il modello diretto sia differenziabile. Il lavoro suggerisce una strategia in cui una singola misurazione ben campionata di uno stato di riferimento può validare il modello di energia e fissare i parametri, permettendo di immagini successive con acquisizioni sparse.