ИИ систематизировал поведение электронов в магнитных материалах

Физики десятилетиями сталкивались с непредсказуемостью магнитных материалов, где электронные потоки формируют сложные графики с двойными пиками и аномальными плато. В таких системах на поведение заряда одновременно влияют структура материала и процессы рассеяния, что делает ручной перебор параметров практически невозможным. Ученые решили доверить эту задачу алгоритму, который самостоятельно выявил скрытые закономерности в массиве данных без предварительных инструкций.

После обучения на теоретических моделях сеть достигла точности классификации в 99%. Практическую проверку методика прошла на нанопластинках Fe5GeTe2, где предсказания ИИ совпали с реальными измерениями. Созданные фазовые диаграммы позволяют исследователям не тратить время на слепые эксперименты, а сразу определять области, где возникают перспективные эффекты — от гигантского магнитосопротивления до состояний с минимальными потерями энергии. В перспективе такой подход поможет в поиске новых топологических изоляторов и сверхпроводников, где число энергетических переменных делает классический анализ избыточно сложным.