基于八面体场信息的机器学习用于加速发现具有垂直磁各向异性的二维磁性材料

《Physical Review Applied》：Octahedral-field-informed machine learning for accelerated discovery of two-dimensional magnets with perpendicular magnetic anisotropy

　　

磁各向异性是稳定二维（2D）磁体长程有序的基本前提，然而通过第一性原理方法评估该性质对于大规模材料发现而言计算代价过高。本文报告了一种基于八面体场信息的机器学习框架，专门用于识别具有垂直磁各向异性（PMA）的二维磁体。通过引入晶体场信息描述符，该模型超越了传统的基于成分的经验法则，实现了89%的分类准确率，同时将发现过程加速了6个数量级。对超过10 000个候选材料的高通量筛选揭示了15种新型PMA材料，其中Ba2?VTe2?S2被确定为突出候选材料。具体来说，Ba阳离子沿面外方向的轴向伸长调制了??轨道分裂，导致每V原子产生5.65 meV的巨磁各向异性能。本工作为快速发现二维PMA磁体提供了一种可解释的框架，并突出了基于物理信息的描述符如何实现对低维磁性材料的合理设计。