研究人员开发了一种新的机器学习表示方法，称为对称性电子指纹（SEF），以更好地预测二维材料的磁性。与以往关注化学环境的方法不同，SEF 结合了晶体对称性和电子结构。这种方法可以准确地对磁序进行分类，并对磁矩和各向异性能进行回归，区分斯托纳铁磁性和超交换等不同的磁性机制。值得注意的是，SEF 的模型不确定性可以识别这些磁相相互竞争的材料，表明可能存在复杂的磁行为。 AI
影响 这种新的表示方法有望加速自旋电子学和量子技术领域新型磁性材料的发现和设计。
排序理由 这是一篇详细介绍材料科学新机器学习方法的学术论文。
- machine-learning
- quantum technologies
- spintronics
- superexchange
- Symmetry-electronic fingerprint
- arXiv
- Co- and Ni-based halides and oxides
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →