A equipe de pesquisa do Instituto Nacional de Ciência de Materiais do Japão (NIMS) desenvolveu recentemente um novo método experimental de alta produtividade. Este método, ao medir a resistividade Hall anômala, permite avaliar múltiplas composições de materiais cerca de 30 vezes mais rápido que as técnicas tradicionais. A equipe utilizou aprendizado de máquina para analisar os dados e validar as previsões, conseguindo desenvolver um novo material para sensores magnéticos com maior sensibilidade de detecção. Os resultados foram publicados em 3 de setembro de 2025 na revista npj Computational Materials.

O efeito Hall anômalo refere-se à geração de uma tensão transversal quando a corrente flui através de materiais magnéticos, podendo converter pequenas variações de magnetização em sinais elétricos. Materiais baseados nesse efeito são considerados candidatos promissores para a fabricação de cabeças de leitura e gravação de discos rígidos de próxima geração e sensores de alto desempenho. No entanto, a combinação de componentes em ligas multicomponentes é extremamente vasta, e métodos de avaliação tradicionais são demorados, tornando o desenvolvimento desses materiais um desafio.

O método experimental de alta produtividade desenvolvido pela equipe permite avaliar filmes finos com gradientes de composição contínuos, com cada teste de composição sendo concluído em cerca de 12 minutos. Utilizando este método, os pesquisadores investigaram sistematicamente o efeito Hall anômalo em filmes binários de ferro e elementos pesados, e construíram um modelo preditivo baseado em aprendizado de máquina. Este modelo guiou a equipe para focar no sistema ternário ferro-írio-platina, resultando no desenvolvimento de um novo material para sensores magnéticos com resistividade Hall anômala de 6,5 µΩ·cm, superando os valores máximos observados anteriormente em sistemas binários.

O estudo demonstra que a combinação de métodos experimentais combinatoriais com aprendizado de máquina permite a busca eficiente por filmes com desempenho excepcional. A equipe afirmou que pretende expandir a busca por materiais para descobrir novas substâncias com maior efeito Hall anômalo. Este método experimental de alta produtividade tem potencial para impulsionar o desenvolvimento de materiais orientado por dados, promovendo a construção de sistemas de descoberta de materiais mais rápidos e automatizados.