論文の概要: Advancing Magnetic Materials Discovery -- A structure-based machine learning approach for magnetic ordering and magnetic moment prediction

• arxiv url: http://arxiv.org/abs/2507.01913v1
• Date: Wed, 02 Jul 2025 17:24:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-03 14:23:00.396045
• Title: Advancing Magnetic Materials Discovery -- A structure-based machine learning approach for magnetic ordering and magnetic moment prediction
• Title（参考訳）: 磁性材料発見の促進 -- 磁気秩序と磁気モーメント予測のための構造に基づく機械学習アプローチ
• Authors: Apoorv Verma, Junaid Jami, Amrita Bhattacharya,
• Abstract要約: 様々な材料システム間での磁気挙動を正確に予測することは、長年にわたる課題である。 本研究では、2つの臨界磁気特性の予測を大幅に改善する改良されたディスクリプタを提案する。 このモデルは、FMクラスとFiMクラス間での磁気秩序分類とバランスの取れたリコールに対して82.4%の精度を達成する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurately predicting magnetic behavior across diverse materials systems remains a longstanding challenge due to the complex interplay of structural and electronic factors and is pivotal for the accelerated discovery and design of next-generation magnetic materials. In this work, a refined descriptor is proposed that significantly improves the prediction of two critical magnetic properties -- magnetic ordering (Ferromagnetic vs. Ferrimagnetic) and magnetic moment per atom -- using only the structural information of materials. Unlike previous models limited to Mn-based or lanthanide-transition metal compounds, the present approach generalizes across a diverse dataset of 5741 stable, binary and ternary, ferromagnetic and ferrimagnetic compounds sourced from the Materials Project. Leveraging an enriched elemental vector representation and advanced feature engineering, including nonlinear terms and reduced matrix sparsity, the LightGBM-based model achieves an accuracy of 82.4% for magnetic ordering classification and balanced recall across FM and FiM classes, addressing a key limitation in prior studies. The model predicts magnetic moment per atom with a correlation coefficient of 0.93, surpassing the Hund's matrix and orbital field matrix descriptors. Additionally, it accurately estimates formation energy per atom, enabling assessment of both magnetic behavior and material stability. This generalized and computationally efficient framework offers a robust tool for high-throughput screening of magnetic materials with tailored properties.
• Abstract（参考訳）: 多様な材料システム間での磁気挙動の正確な予測は、構造的および電子的要素の複雑な相互作用による長年の課題であり、次世代の磁性材料の発見と設計の加速に欠かせない。 本研究では、材料の構造情報のみを用いて、2つの臨界磁気特性、磁気秩序(強磁性対強磁性)と磁気モーメント(原子毎の磁気モーメント)の予測を大幅に改善する精巧な記述子を提案する。 Mn系またはランタニド遷移金属化合物に制限された以前のモデルとは異なり、本手法は材料プロジェクトから供給された5741の安定二元系、三元系、強磁性および強磁性化合物の多種多様なデータセットにまたがって一般化される。 非線形項と行列間隔の低減を含むリッチな要素ベクトル表現と高度な特徴工学を活用して、LightGBMベースのモデルは、FMクラスとFiMクラス間での磁気秩序分類とバランスの取れたリコールの精度82.4%を達成し、先行研究における重要な制限に対処する。 このモデルは原子毎の磁気モーメントを相関係数0.93で予測し、Hundの行列および軌道場行列記述子を上回る。 さらに、原子当たりの生成エネルギーを正確に推定し、磁気的挙動と物質安定性の両方を評価することができる。 この一般化された計算効率のよいフレームワークは、調整された特性を持つ磁性材料の高スループットスクリーニングのための堅牢なツールを提供する。

関連論文リスト

• Controllable and Continuous Quantum Phase Transitions in Intrinsic Magnetic Topological Insulator [50.54133633499971]
  本研究では,n型ドーピング特性が強く抑制される固有磁気トポロジカル材料MnBi2Te4について検討した。 角度分解光電子分光法、輸送測定法、第一原理計算に基づいて、2つの磁気誘起TPTを明らかにする。 本研究は,MnBi2Te4系における固有磁気トポロジカル状態の実現を図り,制御可能かつ連続的なTPTを実現するための理想的なプラットフォームを提供する。
  論文  参考訳（メタデータ） (2025-03-08T03:46:54Z)
• Northeast Materials Database (NEMAD): Enabling Discovery of High Transition Temperature Magnetic Compounds [1.1856958240619673]
  本研究では,Large Language Models (LLMs) を用いて,総合的かつ実験的な磁気材料データベースを構築した。 データベースには化学組成、磁気相転移温度、構造の詳細、磁気特性が組み込まれている。 機械学習モデルは材料を分類し、遷移温度を予測するために開発された。
  論文  参考訳（メタデータ） (2024-09-24T02:27:10Z)
• AI-accelerated Discovery of Altermagnetic Materials [48.261668305411845]
  新たな磁気相であるオルテルマグネティズムは、強磁性と反強磁性とを区別して理論的に提案され、実験的に検証されている。 本稿では,AI検索エンジンによる自動発見手法を提案する。 金属、半導体、絶縁体をカバーする新しい50の磁気材料を発見しました。
  論文  参考訳（メタデータ） (2023-11-08T01:06:48Z)
• Unveiling Exotic Magnetic Phases in Fibonacci Quasicrystalline Stacking of Ferromagnetic Layers through Machine Learning [0.0]
  本稿では,ファンデルワールス磁性体を用いた強磁性層のフィボナッチ準結晶積層について検討した。 この準結晶系における幾何学的フラストレーションと磁気秩序の複雑な関係を示す磁性ヘテロ構造のモデルを構築した。 我々は機械学習アプローチを採用し、このシステムの複雑な磁気挙動を明らかにする強力なツールであることが証明されている。
  論文  参考訳（メタデータ） (2023-07-29T19:03:12Z)
• Imaging magnetism evolution of magnetite to megabar pressure range with quantum sensors in diamond anvil cell [57.91882523720623]
  我々は,高感度・サブスケール空間分解能を有するメガバール圧力のその場磁気検出技術を開発した。 強強強磁性体(アルファ-Fe3O4)から弱い強磁性体(ベータ-Fe3O4)、最後に非磁性体(ガンマ-Fe3O4)への大気圧域におけるFe3O4のマクロ磁気遷移を観察する。 提案手法は磁気系のスピン軌道結合と磁気-超伝導の競合について検討することができる。
  論文  参考訳（メタデータ） (2023-06-13T15:19:22Z)
• Revealing Emergent Magnetic Charge in an Antiferromagnet with Diamond Quantum Magnetometry [42.60602838972598]
  トポロジカルテクスチャの反面、磁気材料のエキゾチックな位相において重要な役割を担い、論理とメモリの応用を約束する。 反強磁性体では、これらのテクスチャは強磁性体に対する安定性とより高速なダイナミクスを示す。 無視可能なバックアクションによる高感度ベクトル磁場センシングの需要を満たす技術は、ダイヤモンド量子磁気メトリーである。
  論文  参考訳（メタデータ） (2023-03-21T18:30:20Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。