High-throughput Discovery of Magnetic Rare Earth Transition Metal Alloys

A vida moderna funciona à base de forças invisíveis. Os motores elétricos que impulsionam os carros, os geradores que alimentam turbinas eólicas e os minúsculos drives dentro dos computadores dependem de ímãs permanentes. Estes são materiais que mantêm um campo magnético sem precisar de eletricidade para se manterem ativos. Durante décadas, os melhores ímãs dependeram de uma família específica de metais: elementos de terras raras misturados com metais de transição como o ferro ou o cobalto. Embora estes materiais funcionem incrivelmente bem, são caros e as suas cadeias de abastecimento são frágeis. Os cientistas suspeitam há muito tempo que existem outras combinações de átomos, melhores, à espera de serem descobertas, mas o número de misturas possíveis é tão vasto que tentar uma por uma num laboratório levaria séculos.

Para resolver isto, os investigadores recorreram a um novo tipo de busca. Em vez de misturar produtos químicos num béquer, utilizam computadores potentes para imaginar milhões de novas estruturas cristalinas. Estas estruturas são os padrões repetitivos nos quais os átomos se organizam. Ao utilizar inteligência artificial para gerar estes padrões e, em seguida, testá-los com simulações de física avançada, os cientistas podem encontrar candidatos promissores antes mesmo de darem um passo num laboratório. Esta abordagem permite-lhes procurar materiais que sejam não só magnéticos, mas também estáveis o suficiente para existirem no mundo real. O objetivo é encontrar ímãs que sejam mais fortes e mais fiáveis do que qualquer coisa atualmente disponível, potencialmente utilizando elementos mais comuns para reduzir custos e riscos de abastecimento.

Uma equipa de investigadores da Universidade do Norte da Carolina em Charlotte e da Universidade da Virgínia aplicou agora este método de descoberta de alta velocidade à busca de novos ímãs de terras raras. Eles focaram-se em combinações de elementos de terras raras, especificamente ítrio e samário, misturados com ferro, cobalto e níquel, juntamente com alguns outros metais para atuar como estabilizadores. A equipa começou por pedir a um modelo de inteligência artificial generativa para criar estruturas cristalinas para mais de três mil receitas químicas diferentes. O modelo produziu quase 240.000 arranjos únicos de átomos. Isto não foi um palpite aleatório; o modelo foi treinado em materiais estáveis conhecidos e condicionado para criar estruturas que seguissem regras químicas específicas, garantindo que os padrões resultantes fossem fisicamente plausíveis.

Uma vez que o computador gerou estas 240.000 possibilidades, os investigadores tiveram de as filtrar até às mais promissoras. Utilizaram um processo de triagem de dois passos. Primeiro, executaram uma simulação rápida de aprendizagem automática para verificar quais as estruturas que provavelmente seriam estáveis. Este passo eliminou a grande maioria dos candidatos, deixando apenas alguns milhares que pareciam merecer uma análise mais detalhada. Depois, submeteram estes sobreviventes a um cálculo de física muito mais rigoroso e preciso conhecido como teoria do funcional de densidade. Este passo confirmou quais as estruturas que eram verdadeiramente estáveis e calculou a sua força magnética. O resultado foi uma lista de mais de 300 candidatos magnéticos de baixa energia. Entre estes, cinco foram considerados termodinamicamente estáveis, o que significa que deveriam ser capazes de existir naturalmente sem se desfazerem.

A descoberta mais emocionante foi a força dos ímãs que descobriram. Os melhores candidatos eram ricos em ferro, o elemento que fornece a maior parte do poder magnético. Uma combinação específica, envolvendo samário e ferro, atingiu uma magnetização de saturação de cerca de 1,8 tesla. Esta é uma medida de quão forte é o campo magnético quando o material está totalmente magnetizado. Para comparação, isto é significativamente mais forte do que muitos ímãs comerciais atuais. Outro grande desempenho, uma mistura de ítrio, ferro e titânio, também atingiu quase 1,8 tesla. Os investigadores descobriram que a força do ímã dependia fortemente de quantos átomos de ferro estavam compactados na estrutura. Quanto mais ferro conseguiam encaixar na rede cristalina, mais forte o ímã se tornava.

O estudo também revelou como estes novos ímãs são construídos. A maioria dos compostos ternários bem-sucedidos — aqueles com três tipos diferentes de metais — não tinha formas inteiramente novas. Em vez disso, eram variações de estruturas binárias conhecidas onde um tipo de átomo era substituído por outro de uma forma muito específica. Os investigadores descobriram que os novos metais, como o manganês ou o titânio, se encaixavam no cristal ao dividir as posições onde os átomos originais se encontravam. Este processo, conhecido como divisão de sítios de Wyckoff, permitiu que os novos átomos estabilizassem a estrutura sem destruir o alinhamento magnético. A análise mostrou que o manganês era uma escolha particularmente boa para estas substituições porque alinhava a sua direção magnética com os átomos de ferro, adicionando à força global. Em contraste, o crómio alinhava-se na direção oposta, o que enfraquecia o ímã. Isto fornece um guia claro para futuros experimentos: se quiser um ímã mais forte, escolha dopantes que concordem com o ferro.

Embora o computador tenha encontrado estes 300 candidatos, os investigadores observaram que a busca foi limitada pelo tamanho das estruturas que a inteligência artificial conseguia gerar. O modelo foi restringido a cristais contendo não mais do que 20 átomos. A equipa sugere que, se conseguirem expandir esta busca para cristais maiores com mais de 20 átomos, poderão encontrar estruturas ainda mais ricas em ferro com magnetização superior a 1,8 tesla. O trabalho demonstra que esta abordagem generativa é uma ferramenta poderosa para navegar no complexo panorama da ciência dos materiais. Ela vai além dos métodos lentos de tentativa e erro do passado, oferecendo um caminho sistemático para a descoberta de materiais que poderão um dia impulsionar a próxima geração de veículos elétricos e tecnologias de energia verde. O caminho a seguir é claro: refinar os modelos para lidar com estruturas maiores e testar estes candidatos previstos em laboratório para ver se podem tornar-se reais.