🔬 materials science

Large spin splitting metallic altermagnets from machine-learned design rules

본 연구는 해석 가능한 머신러닝을 활용하여 금속성 알터마그네틱의 설계 규칙을 식별하였으며, 이를 통해 기존의 벤치마크를 능가하는 큰 스핀 분할을 나타내고 유망한 터널 자기저항을 보이는 안정한 정방정계 $A_2XY$ 헤우스러 화합물 군을 발견하였다.

원저자: Ali Sufyan, Brahim Marfoua, J. Andreas Larsson, Rickard Armiento, Erik van Loon

게시일 2026-09-15

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Ali Sufyan, Brahim Marfoua, J. Andreas Larsson, Rickard Armiento, Erik van Loon

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

전자공학의 세계에서 전자의 스핀을 기반으로 전자의 흐름을 제어하는 것은 더 빠르고 효율적인 장치를 구축하기 위한 성배와 같습니다. 수십 년 동안 과학자들은 이를 위해 두 가지 주요 유형의 자성 재료에 의존해 왔습니다. 하나는 강력한 순 자력을 가진 작은 막대 자석처럼 작동하는 강자성체이고, 다른 하나는 내부의 자기력이 서로 완벽하게 상쇄되어 외부로 드러나는 자기력이 없는 반강자성체입니다. 강자성체는 사용하기 쉽지만 인접한 부품에 간섭을 일으키는 미세한 자기장을 생성하는 반면, 반강자성체는 조용하고 밀도가 높지만 순 자기장이 없기 때문에 조작하기가 어렵습니다. 최근 '알터자성체(altermagnets)'라고 명명된 세 번째 범주가 이 간극을 메우기 위해 등장했습니다. 이 재료들은 반강자성체의 조용하고 상쇄된 자기 질서를 가지면서도, 보통 강자성체에서나 볼 수 있는 특징인 스핀 방향에 따른 전자 에너지 준위 분리를 구현해 냅니다. 이러한 독특한 조합은 기존 장치들을 괴롭히던 지저한 자기장을 만들지 않으면서도 스핀 편극 전류를 운반할 수 있게 해주어, 차세대 스핀트로닉스 기술의 유망한 후보로 주목받고 있습니다.

이러한 이론적 매력에도 불구하고, 이 설명에 부합하는 실제 재료를 찾는 것은 큰 과제였습니다. 연구자들이 몇 가지 사례를 찾아내긴 했지만, 대부분은 전기를 차단하는 절연체이거나 표준 회로에 통합하기 어려운 반도체였습니다. 가장 갈망했던 보물은 'd-파동(d-wave)' 패턴, 즉 유용한 전류를 생성하는 데 가장 효율적인 형태를 가진 명확하고 큰 스핀 분리를 보이는 금속성 알터자성체였습니다. 지금까지 이러한 재료는 매우 드물었으며, 무엇을 찾아야 할지에 대한 명확한 지도 없이 하나의 화학 화합물을 테스트한 뒤 다음 것으로 넘어가는 시행착오의 느린 과정이 반복되었습니다.

스웨덴의 룬드 대학교와 린셰핑 대학교 연구진의 새로운 연구는 인공지능과 고속 컴퓨터 시뮬레이션을 결합함으로써 이 탐색 방식에 변화를 주었습니다. 연구팀은 수천 개의 무작위 화학 물질을 맹목적으로 테스트하는 대신, 먼저 머신러닝 모델에게 큰 스핀 분리를 이끄는 숨겨진 패턴을 인식하도록 가르쳤습니다. 그들은 이전에 연구된 180개의 자성 재료 데이터를 컴퓨터에 입력하여, 알고리즘이 어떤 구조적, 화학적 특징이 가장 중요한지를 학습하게 했습니다. 모델은 성공을 위한 두 가지 간단한 규칙을 빠르게 식별해 냈습니다. 첫째, 결정 구조는 적은 수의 원자가 빽빽하게 모여 있는 조밀한 형태여야 하며, 둘째, 그 구조 내의 자기 원자들은 강한 국부 자기 모멘트를 유지할 수 있어야 한다는 것입니다. 이 발견은 다음 단계의 탐색을 위한 명확한 지침을 제공했습니다.

이 규칙들을 갖춘 연구진은 세 가지 원소가 정방정계 결정 모양으로 배열된 '헤우스러 합금(Heusler alloys)'이라 불리는 특정 화학 화합물 군에 주목했습니다. 그들은 고급 밀도 범함수 이론(density-functional theory)을 사용하여 307가지의 서로 다른 변형 화합물을 스크리닝했습니다. 컴퓨터 시뮬레이션은 필터 역할을 하여, 먼저 결정의 대칭성이 특수한 알터자성 상태를 허용하는지 확인한 후, 해당 재료가 금속성을 유지하는지 검증했습니다. 수백 개의 후보 중 시뮬레이션 결과 157개가 금속성 알터자성체임이 확인되었습니다. 연구팀은 이어 이 목록을 안정성 검사를 통해 좁혀 나갔는데, 이는 재료가 일반적인 조건에서 분해되거나 형태가 변하지 않는지 확인하는 과정이었습니다. 이 과정을 거쳐 최종적으로 안정적이면서도 원하는 자기적 특성을 갖춘 16개의 유망한 후보군이 선정되었습니다.

결과는 놀라웠습니다. 이 새로운 재료들 중 몇몇은 이전에 알려진 그 어떤 금속성 알터자성체보다 훨씬 큰 스핀 분리를 보여주었습니다. 최고의 성능을 보인 코발트-알루미늄-스칸듐 화합물은 2.24 전자볼트(eV)의 스핀 분리를 나타냈으며, 철-알루미늄-게르마늄으로 구성된 두 번째 후보는 2.07 전자볼트에 도달했습니다. 이를 비교하자면, 이전의 벤치마크였던 크로뮴 안티모나이드(chromium antimonide)는 동일한 테스트 조건에서 약 1.43 전자볼트의 분리를 보였습니다. 새로운 재료들은 기존의 최고 금속성 사례들의 성능을 두 배 이상 뛰어넘었습니다. 연구진은 또한 이 재료들이 실제 소자에서 어떻게 작동할지 계산하였으며, 코발트-알루미늄-스칸듐 화합물이 최대 203%의 터널링 자기저항(tunneling magnetoresistance)을 생성할 수 있다고 추정했습니다. 이는 스핀을 이용해 전기 저항을 켜고 끄는 효율성을 측정하는 척도로, 메모리 저장 장치 및 논리 게이트의 핵심 기능입니다.

단순히 단일 우승자를 찾는 것을 넘어, 이번 연구는 머신러닝 접근법의 유효성을 입증했습니다. 알고리즘이 식별한 두 가지 간단한 기준인 '조밀한 단위 격자'와 '강한 국부 자기 모멘트'는 완전히 새로운 화학 계열에서 큰 스핀 분리를 예측하는 신뢰할 수 있는 지표임이 증명되었습니다. 연구진은 이 재료들이 단순한 이론적 호기 l이 아니라 동적 및 기계적으로 안정적이며, 많은 경우 낮은 에너지 상태에 있어 실험실에서 합성될 수 있음을 확인했습니다. 또한 연구팀은 전자의 스핀이 이 재료들을 통해 어떻게 이동하는지 매핑하여, 분리가 균일하지 않고 이동 각도에 따라 방향이 변하는 특정 4엽(four-lobed) 패턴을 따른다는 것을 밝혀냈습니다. 이러한 방향성 행동은 d-파동 질서의 특징이며, 고급 전자 공학에 필요한 복잡한 스핀 전류를 만드는 데 필수적입니다.

연구는 단순히 식별하는 데 그치지 않습니다. 연구진은 코발트-알루미늄-스칸듐 및 철-알루미늄-게르마늄 변종과 같은 특정 화합물을 즉각적인 합성을 위한 가장 실행 가능한 목표로 강조하며 실험 연구자들을 위한 상세한 로드맵을 제공했습니다. 또한 이들이 전기 전류를 스핀 전류로 얼마나 잘 변환하는지를 나타내는 척도인 고유 스핀 홀 전도도(spin Hall conductivity)를 계산하였으며, 현재 업계에서 사용되는 최고의 재료들과 견줄 만한 상당한 값을 확인했습니다. 해석 가능한 머신러닝과 표적화된 제일원리 계산을 결합함으로써, 연구팀은 고성능 신소재 군을 발견했을 뿐만 아니라 이를 찾는 새로운 방법론을 확립했습니다. 이 접근 방식은 완벽한 자성 재료를 찾는 것이 더 이상 운에 맡기는 게임이 아니라, 데이터 자체가 드러내는 패턴에 의해 길이 밝혀지는 가이드된 탐험임을 시사합니다.

기술 요약: 머신러닝 기반 설계 규칙을 통한 대규모 스핀 분할 금속 알터마그넷(Altermagnets) 연구

문제 정의
알터마그넷(Altermagnets)은 보상된 자기 질서(순 자화가 0)와 비상대론적 기원의 운동량 의존적 스핀 분할을 특징으로 하는 구별된 종류의 공선형 자성체이다. 스핀 편향 전류를 누설 자기장 없이 지원할 수 있다는 점에서 스핀트로닉스 분야에 이론적으로 유망하지만, 실험적으로 검증된 금속성 알터마그넷 중 대규모의 스핀 분할이 직접적으로 관찰되는 사례는 드물다. 기존의 후보 물질들은 대개 절연체이거나 반도체이며, 혹은 견고한 수송 응용 분야에 사용하기에는 스핀 분할 크기가 불충분하다. 또한, 계산적 조사를 통해 대칭성이 허용되는 알터마그넷들이 식별되었음에도 불구하고, 광범위한 화학적 공간에서 스핀 분할의 크기를 정량적으로 예측할 수 있는 일반적인 설계 규칙이 부족하여, 매우 큰 스핀 분할을 가진 물질을 발견하는 데 한계가 있다.

연구 방법론
저자들은 해석 가능한 머신러เรียน(ML)과 표적 고처리량 밀도범함수이론(DFT)을 결합한 2단계 접근 방식을 채택하였다:

머신러닝 모델 개발:
- 훈련 데이터: 저자들의 이전 MAGNDATA 조사에서 얻은 180개의 DFT 레이블이 지정된 알터마그넷 구조 데이터셋을 사용하였다.
- 기술자(Descriptors): 조성 통계(Magpie 프레임워크), 구조적 파라미터(격자 상수, 공간군), 그리고 DFT 유도 자기 양(국소 모멘트, Hubbard $U$ , 밴드 갭)을 포함한 223개의 특징을 구성하였다.
- 모델 선택: 네 가지 아키텍처를 비교한 후 그래디언트 부스팅 회귀 모델(GBR)을 선정하였다. 모델은 왜곡된 분포를 처리하기 위해 최대 스핀 분할( $\Delta_{max}$ )의 로그값에 대해 훈련되었다.
- 해석 가능성: SHapley Additive exPlanations(SHAP)를 사용하여 가장 영향력 있는 기술자를 식별하고, 통계적 상관관계를 물리적 설계 원리로 변환하였다.
표적 고처리량 스크리닝:
- 대상 계열: ML의 통찰력을 바탕으로, 저자들은 정방정계 공간군 $P4/mmm $(No. 123)을 갖는 삼원계$ A_2XY$ 헤우스러(Heusler) 화합물을 스크리닝하였다. 이 계열은 압축된 4-원자 기본 격자를 가지며, 전이 금속 $A$ 사이트에 큰 국소 모멘트를 가질 가능성이 높다.
- 워크플로:
  - 대칭성 필터링: 307개의 완화된 구조로부터, 자기적 $A$ -원자 Wyckoff 위치에 대한 대칭성 분석을 통해 일반적인 반강자성(2g 및 2h 사이트)과 구별되는 알터자성 배열(2e 및 2f 사이트)을 구분하였다.
  - DFT 검증: 169개의 대칭 허용 후보들에 대해 전체 DFT 완화 및 정적 계산을 수행하여 금속성과 알터자성 바닥 상태를 확인하였다.
  - 안정성 평가: 후보 물질들을 동역학적 안정성(포논 스펙트럼), 기계적 안정성(Born 기준), 그리고 열역학적 안정성(Materials Project 및 Alexandria 데이터베이스의 경쟁 상(phase) 대비 convex hull 거리) 측면에서 평가하였다.
- 수송 특성: 안정적인 후보 물질들에 대해 스핀 분해 밴드 구조, 페르미 면, 고유 스핀 홀 전도도, 그리고 Julliere 모델 기반 터널링 자기저항(TMR) 추정치를 계산하였다.

주요 기여

설계 규칙 도출: 본 연구는 큰 스핀 분할과 강하게 연관된 두 가지 주요 물리적 기술자를 식별하였다: (1) 압축된 단위 격자(단위 셀당 원자 수가 적음) 및 (2) 상당한 국소 모멘트를 유지할 수 있는 자기 부격자.
새로운 물질 플랫폼 발견: 저자들은 금속성 $d$ -파동 알터자성을 위한 화학적으로 튜닝 가능한 플랫폼으로서 정방정계 $A_2XY$ 헤우스러 계열을 식별하였다.
기록적인 후보 물질 식별: 6개의 화합물이 벤치마크 금속 알터마그넷인 CrSb(동일 프로토콜 하에서 1.43 eV)를 초과하는 스핀 분할을 나타냈다. 최상위 후보는 Co $_2$ AlSc ( $\Delta_{max} = 2.24$ eV)와 Fe $_2$ AlGe ( $\Delta_{max} = 2.07$ eV)이다.
종합적인 안정성 및 응답 분석: 본 연구는 엄격한 안정성 평가를 제공하여, 16개의 상위 후보 중 15개가 동역학적 및 기계적으로 안정하며, 10개는 열역학적 convex hull 위 또는 아래에 있음을 확인하였다. 또한 이들의 방향성 페르미 면 편극 및 스핀 홀 전도도를 정량화하였다.

결과

모델 성능: ML 모델은 전체 교차 검증 $R^2 = 0.70$ 을 달성하였으며, 클래스 불균형에도 불구하고 훈련 세트 내의 14개 "대규모 분할" 물질을 모두 중앙값보다 높게 정확히 순위 매겼다.
스크리닝 결과:
- 초기 307개의 후보 중 169개가 대칭 허용 알터마그넷이었다.
- 157개가 DFT에 의해 금속성 알터마그넷으로 확인되었다.
- 16개의 후보가 알터자성 상태가 바닥 상태가 되기 위한 에너지 허용 오차( $\Delta E_{AM-GS} \le 0.1$ meV/f.u.)를 만족하였다.
- 이 16개 중 15개가 동역학적 및 기계적으로 안정함을 확인하였다.
분할 크기: 최대 스핀 분할은 Co $_2$ AlSc(2.24 eV)와 Fe $_2$ AlGe(2.07 eV)에 도달하였으며, 이는 CrSb의 1.43 eV를 크게 상회한다.
수송 특성:
- 페르미 면: 이 물질들은 특징적인 $d$ -파동( $d_{x^2-y^2}$ ) 운동량 의존성을 보이며, 90° 회전 시 스핀 분할의 부호가 반전되고 마디 평면(nodal planes)에서는 소멸한다.
- TMR: Julliere 모델을 사용했을 때, Co $_2$ AlSc는 [100] 방향을 따라 페르미 준위에서 최대 203%의 터널링 자기저항을 가질 것으로 추정된다.
- 스핀 홀 전도도: 고유 스핀 홀 전도도( $\sigma^z_{xy}$ )는 최대 $\sim 486 (\hbar/e)(\Omega \text{cm})^{-1}$ 에 달하며, 이는 Pt의 약 4분의 1 수준이다. 이상 홀 전도도는 $c$ -축 Néel 벡터에 대해 대칭적으로 금지되어 있다.

의의 및 주장
본 논문은 해석 가능한 머신러닝이 제한된 데이터로부터 물리적으로 의미 있는 설계 규칙을 추출함으로써 어떻게 표적 제일원리 탐색을 가이드할 수 있는지를 보여준다고 주장한다. 구체적으로, 압축된 단위 격자와 큰 국소 모모트의 조합이 강한 알터자성 분할을 예측하는 전이 가능한 지표임을 검증하였으며, 이를 훈련 세트와 다른 화학적 계열( $A_2XY$ 헤우스러)에 성공적으로 적용하였다.

저자들은 금속성, 명확한 $d$ -파동 질서, 그리고 큰 스핀 분할을 동시에 갖춘 벌크 물질의 희소성을 극복하는, 화학적으로 튜닝 가능한 금속성 $d$ -파동 알터마그넷 계열을 식별하였다. 이들은 Co $_2$ AlSc와 Fe $_2$ AlGe가 스핀 수송 연구를 위한 특히 유망한 후보임을 강조한다. 본 연구는 이러한 물질들이 즉각적인 소자 통합 단계에 있다고 주장하는 것이 아니라, 향후 실험적 탐색을 위한 검증된 플랫폼으로서 자리매김하는 것을 목표로 한다.

유사한 논문