Прогнозирование динамики наведённой током вложенной структуры скермионов с помощью машинного обучения

Магнитные вихри как крошечные носители данных

Современная электроника всё чаще опирается на управление спином электрона, а не только на его заряд. В работе изучаются экзотические вихревые структуры в магнитах, называемые скермион-бэгами, как потенциальные носители информации для будущих энергоэффективных и высокоплотных устройств. Комбинируя современные численные симуляции с методами машинного обучения, авторы показывают, как этими крошечными структурами можно точно управлять с помощью электрических токов и использовать для маршрутизации сигналов в наносекундных (наномасштабных) цепях.

Что такое скермион-бэги и почему они важны

Скермион-бэги представляют собой скопления закрученной намагниченности: большая завитушка окружает несколько меньших, подобно шарикам внутри мыльного пузыря. Каждая завитушка вносит вклад в величину, называемую топологическим зарядом, которая отражает, как спины оборачиваются в пространстве. Критически важно, что именно этот заряд определяет движение скермион-бэга при воздействии электрического тока. В отличие от обычных магнитных доменов, такие текстуры устойчивы и допускают плотную упаковку, что делает их привлекательными для приложений в памяти и логике, где множество битов данных должно сосуществовать на узких дорожках.

Держать магнитные вихри на прямом пути

Одной из главных проблем применения скермионов в устройствах является эффект Холла скермионов: под действием тока они склонны смещаться вбок вместо прямолинейного движения, что грозит столкновением с краями устройства и потерей сигнала. Авторы разработали специальный класс «сбалансированных» вложенных скермион-бэгов с нулевым суммарным топологическим зарядом. В таких структурах положительные и отрицательные вклады компенсируют друг друга, и боковые силы уравновешиваются. Подробные микромагнитные симуляции в сочетании с аналитическими расчётами показывают, что такие нулезарядные бэги движутся по прямой вдоль направления тока, что значительно упрощает их использование в «рэк-трек» памяти, где необходима прямолинейная транспортировка.

Формирование и удержание завихрений

По мере увеличения числа маленьких скермионов внутри бэга внутренние силы могут растягивать структуру в сторону, даже если её общее боковое смещение остаётся незначительным. Команда проследила, при каких условиях такие сложные бэги устойчивы, варьируя один безразмерный параметр, суммирующий конкуренцию между различными магнитными энергиями. Также исследовали добавление дополнительных концентрических доменных стенок вокруг большого вложенного бэга, действующих как ограничивающая клетка. Несколько дополнительных стенок успешно подавляют боковое растяжение, но слишком много слоёв чрезмерно сжимает внутренние скермионы, в результате некоторые из них аннигилируют и структура преобразуется в другие многовитковые паттерны с резко отличающейся динамикой.

Пусть машины научатся предсказывать движение вихрей

Точно предсказать, как будет двигаться вложенный скермион-бэг для каждой возможной комбинации структурных и материальных параметров, очень дорого вычислительно, если полагаться только на полные симуляции. Чтобы обойти это, авторы сгенерировали большую базу данных траекторий и обучили двенадцать моделей машинного обучения прогнозировать угол движения по всего пяти входам: количеству внешних и внутренних скермионов, магнитному демпфингу, силе взаимодействия и току. Современные методы на базе градиентного бустинга деревьев решений и нейронная сеть хорошо усвоили эту сложную зависимость, достигая высокой точности по широкому диапазону углов движения, тогда как простая линейная регрессия оказалась несостоятельной, что указывает на сильную нелинейность поведения.

Управление сигналами в наносхемах

Опираясь на быстрые предсказания машинного обучения, исследователи спроектировали демультиплексор, который принимает один входящий скермион-бэг и направляет его в один из нескольких выходных каналов в зависимости от его внутренней структуры. Подбирая разные сочетания внутренних и внешних завитков, угол движения можно регулировать более чем на шестьдесят градусов, так что бэги с разной внутренней компоновкой естественным образом отклоняются к различным выходам при одном и том же токе. В этой схеме наличие или отсутствие бэга на конкретном выходе кодирует единицу или ноль. Работа демонстрирует, что благодаря инженерии топологии и ограничению скермион-бэгов в сочетании с физически обоснованными моделями и машинным обучением возможно создание спинтронных компонент, таких как рэк-трек-память и маршрутизаторы сигналов, которые используют, а не борются с боковым смещением магнитных вихрей.

Цитирование: 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

Ключевые слова: скермион-бэги, спинтроника, магнитная память, машинное обучение, Холловский угол