Tối ưu hóa cấu trúc spintronic dựa trên hợp chất full heusler trong ứng dụng Chế tạo bộ nhớ stt-ram bằng phương pháp học máy

Abstract

Hợp chất Full Heusler đóng vai trò then chốt trong thiết kế cấu trúc spintronic cho STT-RAM, một công nghệ lưu trữ thế hệ mới với hiệu suất và độ bền cao. Tuy nhiên, việc tối ưu hóa vật liệu này gặp thách thức lớn do không gian cấu trúc rộng và mối quan hệ phức tạp giữa cấu trúc và tính chất, trong khi các phương pháp truyền thống như Lý thuyết phiếm hàm mật độ (DFT) khó đáp ứng hiệu quả về thời gian và tài nguyên. Luận văn áp dụng Subgroup Discovery (SGD) kết hợp các mô hình học máy để giải quyết vấn đề này. Từ dữ liệu 2903 cấu trúc Heusler được tính toán bằng DFT, SGD được sử dụng để khai phá các quy luật quan trọng giữa cấu trúc và tính chất, trong khi Random Forest và Gradient Boosting hỗ trợ dự báo định lượng nhiệt độ Curie và độ dẫn Hall bất thường. Kết quả cho thấy SGD hiệu quả trong việc phát hiện các quy luật liên quan đến độ ổn định cấu trúc, moment từ, và nhiệt độ Curie. Các mô hình học máy cung cấp khả năng dự báo định lượng, mặc dù hiệu suất còn có thể cải thiện trong tương lai. Nghiên cứu không chỉ làm rõ mối quan hệ cấu trúc-tính chất trong vật liệu Heusler mà còn mở ra hướng tiếp cận mới trong tối ưu hóa vật liệu spintronics cho các thiết bị lưu trữ thế hệ tiếp theo.