Predição assistida por aprendizado de máquina da dinâmica em "skyrmion bags" aninhados movidos por corrente

Redemoinhos magnéticos como minúsculos portadores de dados

A eletrônica moderna depende cada vez mais da manipulação do spin dos elétrons, e não apenas de sua carga. Este estudo explora padrões exóticos em forma de redemoinho em materiais magnéticos, chamados "skyrmion bags", como potenciais portadores de informação para dispositivos futuros de baixa energia e alta densidade. Ao combinar simulações computacionais avançadas com aprendizado de máquina, os autores mostram como essas estruturas minúsculas podem ser guiadas com precisão por correntes elétricas e usadas para encaminhar sinais em circuitos na escala nanométrica.

O que são "skyrmion bags" e por que importam

"Skyrmion bags" são aglomerados de magnetização em rotação: um redemoinho maior envolve vários menores, um pouco como bolinhas dentro de uma bolha de sabão. Cada redemoinho contribui para uma grandeza chamada carga topológica, que captura como os spins se enrolam no espaço. Crucialmente, essa carga controla como um "skyrmion bag" se move quando impulsionado por uma corrente elétrica. Ao contrário dos domínios magnéticos comuns, essas texturas são robustas e podem ser densamente empacotadas, tornando-as atraentes para aplicações de memória e lógica em que muitos bits precisam conviver em trilhas muito pequenas.

Manter os redemoinhos em um caminho reto

Um dos principais obstáculos ao uso de skyrmions em dispositivos é o efeito Hall de skyrmion: quando impulsionados por uma corrente, eles tendem a derivar lateralmente em vez de se moverem diretamente para frente, o que pode fazê‑los atingir as bordas do dispositivo e se perder. Os autores projetam uma classe especial de "skyrmion bags" aninhados "balanceados" cuja carga topológica total é zero. Nestas estruturas, contribuições positivas e negativas se anulam de modo que as forças laterais se equilibram. Simulações micromagnéticas detalhadas, apoiadas por cálculos analíticos, mostram que esses bags de carga zero viajam em linha reta ao longo da direção da corrente, simplificando muito seu uso em memórias do tipo racetrack, onde o movimento retilíneo é essencial.

Modelando e confinando os redemoinhos

À medida que mais pequenos skyrmions são aninhados dentro de um bag, forças internas podem esticar a estrutura lateralmente mesmo que sua deriva global permaneça desprezível. A equipe mapeia quando tais bags complexos são estáveis ao ajustar um único parâmetro adimensional que resume a competição entre diferentes energias magnéticas. Eles também exploram adicionar paredes de domínio concêntricas extras ao redor de um grande bag aninhado para atuar como uma gaiola de confinamento. Algumas paredes adicionais podem suprimir com sucesso o alongamento lateral, mas camadas demais apertam tanto os skyrmions internos que alguns se aniquilam, transformando a estrutura em outros padrões multivolta com movimento muito diferente.

Deixando as máquinas aprenderem como os redemoinhos se movem

Prever exatamente como um "skyrmion bag" aninhado viajará para cada combinação possível de estrutura e parâmetros de material é computacionalmente caro se feito apenas com simulações completas. Para contornar isso, os autores geram um grande conjunto de dados de trajetórias simuladas e treinam doze modelos de aprendizado de máquina diferentes para prever o ângulo de movimento a partir de apenas cinco entradas: as contagens de skyrmions externos e internos, o amortecimento magnético, a força de interação e a corrente. Árvores de decisão em gradiente e uma rede neural modernas aprendem muito bem essa relação complicada, alcançando alta precisão em uma ampla faixa de ângulos de movimento, enquanto regressão linear simples falha, revelando que o comportamento é fortemente não linear.

Direcionando sinais em circuitos na escala nanométrica

Munidos de previsões rápidas por aprendizado de máquina, os pesquisadores projetam um dispositivo demultiplexador, que recebe um "skyrmion bag" de entrada e o envia para um de vários canais de saída dependendo de sua estrutura. Ao escolher diferentes combinações de redemoinhos internos e externos, o ângulo de movimento pode ser ajustado em mais de sessenta graus, de modo que bags com layouts internos distintos naturalmente se separam rumo a saídas diferentes sob a mesma corrente. Nesse quadro, a presença ou ausência de um bag em uma determinada saída representa uns e zeros digitais. Este trabalho mostra que, ao engenhar a topologia e o confinamento dos "skyrmion bags" e combinar modelos baseados em física com aprendizado de máquina, é possível construir componentes spintrônicos — como memórias racetrack e direcionadores de sinais — que exploram, em vez de combater, o movimento lateral dos redemoinhos magnéticos.

Citação: Li, R., Zhu, Y., Zhang, X. et al. Machine learning assisted prediction of dynamics in current-driven nested skyrmion bags. Commun Phys 9, 184 (2026). https://doi.org/10.1038/s42005-026-02660-1

Palavras-chave: skyrmion bags, spintrônica, memória magnética, aprendizado de máquina, ângulo de Hall