High-throughput Discovery of Magnetic Rare Earth Transition Metal Alloys

La vita moderna si regge su forze invisibili. I motori elettrici che azionano le auto, i generatori che alimentano le turbine eoliche e i minuscoli componenti di memoria all'interno dei computer dipendono dai magneti permanenti. Questi sono materiali che mantengono un campo magnetico senza bisogno di elettricità per mantenerli attivi. Per decenni, i migliori magneti si sono basati su una specifica famiglia di metalli: elementi delle terre rare mescolati con metalli di transizione come ferro o cobalto. Sebbene questi materiali funzionino incredibilmente bene, sono costosi e le loro catene di approvvigionamento sono fragili. Gli scienziati sospettano da tempo che esistano altre combinazioni di atomi migliori in attesa di essere scoperte, ma il numero di possibili miscele è così vasto che provare una per una in un laboratorio richiederebbe secoli.

Per risolvere questo problema, i ricercatori si sono rivolti a un nuovo tipo di ricerca. Invece di mescolare sostanze chimiche in un becher, utilizzano potenti computer per immaginare milioni di nuove strutture cristalline. Queste strutture sono i modelli ripetitivi in cui gli atomi si dispongono. Utilizzando l'intelligenza artificiale per generare questi modelli e testandoli poi con simulazioni fisiche avanzate, gli scienziati possono trovare candidati promettenti prima ancora di entrare in un laboratorio. Questo approccio permette loro di cercare materiali che siano non solo magnetici, ma anche abbastanza stabili da esistere nel mondo reale. L'obiettivo è trovare magneti che siano più forti e affidabili di quelli attualmente disponibili, utilizzando potenzialmente elementi più comuni per ridurre i costi e i rischi di approvvigionamento.

Un team di ricercatori dell'Università della Carolina del Nord a Charlotte e dell'Università della Virginia ha ora applicato questo metodo di scoperta ad alta velocità alla ricerca di nuovi magneti a terre rare. Si sono concentrati su combinazioni di elementi delle terre rare, specificamente ittrio e samario, mescolati con ferro, cobalto e nichel, insieme ad alcuni altri metalli per fungere da stabilizzatori. Il team ha iniziato chiedendo a un modello di intelligenza artificiale generativa di creare strutture cristalline per oltre tremila diverse ricette chimiche. Il modello ha prodotto quasi 240.000 disposizioni uniche di atomi. Non si è trattato di un tentativo casuale; il modello era stato addestrato su materiali stabili noti ed era stato istruito per creare strutture che rispettassero specifiche regole chimiche, garantendo che i modelli risultanti fossero fisicamente plausibili.

Una volta che il computer ha generato queste 240.000 possibilità, i ricercatori hanno dovuto filtrarle per trovare le poche più promettenti. Hanno utilizzato un processo di screening a due fasi. Prima, hanno eseguito una rapida simulazione basata sull'apprendimento automatico per controllare quali strutture fossero probabilmente stabili. Questa fase ha eliminato la stragrande maggioranza dei candidati, lasciando solo poche migliaia che meritavano un esame più approfondito. Successivamente, hanno sottoposto questi sopravvissuti a un calcolo fisico molto più rigoroso e accurato, noto come teoria del funzionale della densità. Questo passaggio ha confermato quali strutture fossero realmente stabili e ha calcolato la loro forza magnetica. Il risultato è stato una lista di oltre 300 candidati magnetici a bassa energia. Tra questi, cinque sono risultati termodinamicamente stabili, il che significa che dovrebbero essere in grado di esistere naturalmente senza sfaldarsi.

La scoperta più eccitante è stata la forza dei magneti scoperti. I migliori candidati erano ricchi di ferro, l'elemento che fornisce la maggior parte della potenza magnetica. Una specifica combinazione, che coinvolgeva samario e ferro, ha raggiunto una magnetizzazione di saturazione di circa 1,8 tesla. Questa è una misura di quanto sia forte il campo magnetico quando il materiale è completamente magnetizzato. Per confronto, questo valore è significativamente superiore a quello di molti magneti commerciali attuali. Un altro elemento di punta, una miscela di ittrio, ferro e titanio, ha raggiunto quasi 1,8 tesla. I ricercatori hanno scoperto che la forza del magnete dipendeva fortemente da quanti atomi di ferro venivano inseriti nella struttura. Più ferro riuscivano a inserire nel reticolo cristallino, più il magnete diventava forte.

Lo studio ha anche rivelato come vengono costruiti questi nuovi magneti. La maggior parte dei composti ternari di successo — quelli con tre diversi tipi di metalli — non presentava forme del tutto nuove. Erano invece variazioni di note strutture binarie in cui un tipo di atomo veniva sostituito per un altro in un modo molto specifico. I ricercatori hanno scoperto che i nuovi metalli, come manganese o titanio, si inseriscono nel cristallo dividendo le posizioni in cui sedevano gli atomi originali. Questo processo, noto come scissione dei siti di Wyckoff, ha permesso ai nuovi atomi di stabilizzare la struttura senza distruggere l'allineamento magnetico. L'analisi ha mostrato che il manganese era una scelta particolarmente buona per queste sostituzioni perché allineava la sua direzione magnetica con quella degli atomi di ferro, aggiungendo forza complessiva. Al contrario, il cromo si allineava in direzione opposta, indebolendo il magnete. Ciò fornisce una guida chiara per i futuri esperimenti: se si vuole un magnete più forte, bisogna scegliere droganti che siano in accordo con il ferro.

Sebi l'intelligenza artificiale ha trovato questi 300 candidati, i ricercatori hanno osservato che la ricerca era limitata dalle dimensioni delle strutture che l'intelligenza artificiale poteva generare. Il modello era limitato a cristalli contenenti non più di 20 atomi. Il team suggerisce che, se riusciranno a espandere questa ricerca a cristalli più grandi con più di 20 atomi, potrebbero trovare strutture ancora più ricche di ferro con una magnetizzazione superiore a 1,8 tesla. Il lavoro dimostra che questo approccio generativo è uno strumento potente per navigare nel complesso panorama della scienza dei materiali. Supera i lenti metodi del passato basati sul tentativi ed errori, offrendo un percorso sistematico per scoprire materiali che potrebbero un giorno alimentare la prossima generazione di veicoli elettrici e tecnologie per l'energia verde. La strada da seguire è chiara: perfezionare i modelli per gestire strutture più grandi e testare questi candidati previsti in laboratorio per vedere se possono diventare realtà.