Machine-learning-assisted first-principles spin-conductance calculations for the development of innovative spin devices

• Project/Area Number: 25K17639
• Research Category: Grant-in-Aid for Early-Career Scientists
• Allocation Type: Multi-year Fund
• Review Section: Basic Section 21050:Electric and electronic materials-related
• Research Institution: National Institute of Advanced Industrial Science and Technology
• Principal Investigator: 名和 憲嗣 国立研究開発法人産業技術総合研究所, エレクトロニクス・製造領域, 主任研究員 (40872990)
• Project Period (FY): 2025-04-01 – 2027-03-31
• Project Status: Granted (Fiscal Year 2025)
• Budget Amount: ¥4,810,000 (Direct Cost: ¥3,700,000、Indirect Cost: ¥1,110,000); Fiscal Year 2026: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000); Fiscal Year 2025: ¥3,380,000 (Direct Cost: ¥2,600,000、Indirect Cost: ¥780,000)
• Keywords: マテリアルズ・インフォマティクス / スピントロニクス / 磁気トンネル接合 / 第一原理計算

Outline of Research at the Start

トンネル磁気抵抗素子（MTJ）を用いた超大容量磁気メモリや超高感度磁気センサといった革新的スピンデバイス開発は、高い磁気抵抗比と低い接合抵抗の両立といった解決困難なトレードオフ制限があることにより開発が停滞している。本研究では、機械学習と第一原理スピン伝導計算の枠組みを融合することで材料予測の効率を飛躍的に向上させ、従来の性能を超えるMTJの設計指針を理論提案する。特に、これまでのトレードオフ制限を超えるべく、材料の準安定相を探索空間に取り入れながら、従来の材料系では得られなかった特異な物性をしめす材料を積極的に探索する。