提出结合ML与多级物理验证的磁性材料发现工作流

Vladimir Antropov、Subhadip Pradhan 和 Kirill D. Belashchenko 在论文摘要中提出一种磁性材料发现工作流，将独立的 ML 模型与电子结构、磁性、动力学、热力学、动力学及实验验证的多层级校验结合，并引入基于化学无序—有序转变与 Tammann 温度关系的无量纲合成窗口描述符，用于高通量筛选。 作者称，若采样不完整、未覆盖竞争磁性态、化学无序和有限温性质，可能得到表面准确但物理上不可靠的预测。以 Fe-Co-B 的团簇展开分析为例：有序 Fe3CoB2 在 T=0 能量上更优，但其较小的有序化能量使无序—有序转变温度远低于室温，长程 Fe/Co 有序在动力学上无法实现，说明合成窗口判据的必要性。

AI 根据报道生成 · 30 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。