日本科學家開發了一個”擴展的朗道自由能模型”，用於人工智能和拓撲結構的納米磁性設備的因果分析和可視化。微觀材料分析對於在下一代納米電子裝置中實現理想的性能至關重要，例如低功耗和高速度。然而，這種設備所涉及的磁性材料往往在納米結構和磁疇之間表現出複雜的相互作用，這反過來又使功能設計具有挑戰性。

傳統上，研究人員已經對微觀圖像數據進行了視覺分析。然而，這往往使得對這些數據的解釋是定性的和高度主觀的。目前缺乏的是對納米級磁性材料中復雜的相互作用機制的因果分析。

東京科學大學的一個研究小組開發的擴展蘭道自由能模型的圖像，它能夠對納米磁體中的磁化反轉進行因果分析。通過這個模型，研究小組可以有效地將磁域圖像可視化，並成功地以低能量要求逆向設計納米結構。資料來源：日本東京科學大學的小杉實驗室

在最近的一項突破中，一個研究小組成功地實現了微觀圖像數據的自動解釋。這是用一個”擴展的朗道自由能模型”實現的，該團隊利用拓撲學、數據科學和自由能的組合開發了該模型。該模型可以說明物理機制以及磁效應的關鍵位置，並為納米設備提出一個最佳結構。該模型使用基於物理學的特徵來繪製信息空間中的能量景觀，可以應用於理解各種材料中納米尺度上的複雜相互作用。該研究的細節將於今天（11月29日）發表在《科學報告》雜誌上。這項研究由日本東京科學大學的Masato Kotsugi教授領導。

“傳統的分析是基於顯微鏡圖像的視覺檢查，與材料功能的關係只是定性地表達，這是材料設計的一個主要瓶頸。我們擴展的朗道自由能模型使我們能夠確定這些材料中復雜現象的物理起源和位置。這種方法克服了深度學習所面臨的可解釋性問題，在某種程度上，這相當於重新發明了新的物理規律，”Kotsugi教授解釋說。這項工作得到了KAKENHI、JSPS和文部科學省的電力電子創新核心技術創建計劃的支持。

原則成分分析的降維結果的散點圖。顏色代表總能量。在可解釋的特徵空間中，磁域和總能量之間的關係是相連的。資料來源：日本東京科學大學的Masato Kotsugi

在設計該模型時，該團隊利用了拓撲學和數據科學領域的最先進技術來擴展朗道自由能模型。這帶來了一個能夠對納米磁體的磁化逆轉進行因果分析的模型。然後，該團隊進行了物理起源的自動識別和原始磁域圖像的可視化。

研究結果表明，缺陷附近的消磁能量產生了磁效應，這就是”釘住現象”的原因。此外，該團隊可以將能量障礙的空間集中可視化，這是迄今為止尚未實現的創舉。最後，研究小組提出了一種具有低功耗的記錄設備和納米結構的拓撲逆向設計。

本研究提出的模型有望為自旋電子器件、量子信息技術和Web 3的發展做出廣泛的應用。

原則成分分析的降維結果的散點圖。顏色代表總能量。在可解釋的特徵空間中，磁域和總能量之間的關係是相連的。資料來源：日本東京科學大學的Masato Kotsugi

“我們提出的模型為優化材料工程的磁特性提供了新的可能性。擴展的方法將最終使我們能夠澄清’為什麼’和’在哪裡’表達一個材料的功能。對材料功能的分析，過去依賴於視覺檢查，現在可以被量化，使精確的功能設計成為可能，”Kotsugi教授樂觀總結道。