FePt-X纳米复合薄膜微观结构工程的逆向过程设计：相场模拟与机器学习方法的应用

《npj Computational Materials》：Inverse process design for microstructure engineering in FePt-X nanocomposite thin films: phase-field simulations and machine learning

　　

摘要

FePt-X纳米复合薄膜（其中X为非磁性元素）是实现超高容量磁记录的关键材料，但目前仍缺乏一种既能节省时间又能降低成本的策略来确定能够产生理想微观结构的工艺参数。在这里，我们提出了一个计算框架，该框架利用高通量相场模拟来预测工艺与微观结构之间的关系，并结合自动化微观结构量化及主动学习技术来反向确定工艺参数。作为概念验证，该框架被用于反推出能够在FePt-Al₂O₃薄膜中产生与实验观察结果相匹配的微观结构的梯度能量系数。所得参数与实验结果的一致性优于专家的最佳猜测。值得注意的是，与单纯的高通量相场模拟相比，该框架的计算成本降低了十倍。我们的研究结果表明，将相场模拟与主动学习相结合能够显著加速微观结构工程的逆向工艺设计过程。