Předpovídání magnetických vlastností materiálů

Kedy zamrzne chladiaca zmes motora? Porovnanie - TOPSPEED.sk (Smět 2019).

Anonim

Trvalé magnety používané v elektrických automobilech a větrných turbínách v současné době obsahují kovy vzácných zemin. Snížení množství těchto prvků v magnety je důležité, protože jejich těžba je škodlivá jak pro zdraví, tak pro životní prostředí. Výzkumníci vyvinuli nový strojový učební nástroj, který pomáhá rychle a snadno předpovídat vlastnosti feromagnetických krystalů nových kompozic materiálů.

Obnovitelná energie je klíčová technologie pro budoucnost. Elektrické automobily a větrné turbíny však vyžadují velké a silné permanentní magnety. Inherentní problém spočívá v tom, že vysoce výkonné magnetické materiály obsahují 12 až 17 procent prvků vzácných zemin, zejména neodymu a samarium, ale také dysprosium a terbium. Zdrojem těchto prvků je téměř výlučně Čína. Kromě toho horníci, kteří tyto suroviny extrahují, obvykle pracují v podmínkách ohrožujících zdraví a proces poškozuje životní prostředí. Není překvapením, že vědci z výzkumu materiálů se již léta zaměřili na hledání alternativ k kovům vzácných zemin v permanentních magnetech. Celkově je standardní metodou "pokus a omyl": jaké elementární skladby fungovaly dobře v minulosti a které by mohly v budoucnu fungovat stejně dobře? Takové testování je nákladné a časově náročné.

Sběr kandidátů pomocí počítačové simulace

Výzkumní pracovníci Fraunhoferova institutu mechaniky materiálů IWM ve Freiburgu jsou průkopníkem alternativního, efektivnějšího přístupu. "Vyvinuli jsme vysoce výkonnou počítačovou simulační metodu, která systematicky a rychle testuje velké množství materiálů jako kandidátů na permanentní magnety, " vysvětluje Dr. Johannes Möller, vědecký pracovník v obchodním oddělení materiálového designu společnosti Fraunhofer IWM. "Naší metodou není zvážit, které konkrétní procento manganu, kobaltu nebo boru by mohlo být životaschopné, ale nechat počítač simulovat mnoho možných variant." Tento kombinační přístup může odfiltrovat slibné kompozice, aby vytvořil soubor rozumných teoretických kandidátů, které pak mohou být systematicky zkoumány. To značně zužuje věci v porovnání s běžnými zkušebními a chybovými metodami. "Tento přístup se v zásadě neomezuje na magnetické vlastnosti, ale může být použit i pro jiné vlastnosti materiálu, " říká Möller.

Počítač potřebuje k simulaci pouze omezené množství informací: pouze krystalovou strukturu magnetického materiálu a chemických prvků, které obsahuje. "Všechno ostatní závisí na fyzickém kontextu, " vysvětluje Möller. Pokud jde o krystalickou strukturu, vědci se zabývají krystalovými mřížemi, u kterých je jen jeden z čtrnácti atomů kovovým prvkem vzácných zemin - což odpovídá pouze sedm procentům. Tým zkontroloval, jak úspěšná simulace využívá známé magnetické materiály. Úspěšným zjištěním známých vlastností takových materiálů prokázaly, že simulace může úspěšně předpovídat magnetismus nových materiálů. Co je však stejně důležité, je konstanta magnetické anizotropie. Tato hodnota je měřítkem toho, jak snadné nebo obtížné je obrátit polaritu magnetického materiálu aplikací magnetického pole. "Dokázat předpovědět tuto hodnotu je obrovskou výzvou pro počítačovou techniku ​​magnetických materiálů, " říká Möller. Vědci však mohou místo toho vypočítat polokvantitativní hodnotu; Jinými slovy, simulace může systematicky předpovídat hodnotu pro magnetickou anizotropii, která je kvalitativně spíše než kvantitativně přesná. Simulace například může ukázat, že materiál X je schopen vydržet magnetické pole sedmkrát silnější než materiál Y.

Strojové učení zaplňuje mezeru

Tým může nyní využívat své údaje o magnetických vlastnostech materiálů v dalším a větším kroku. "Simulace nám poskytuje několik tisíc až deset tisíc kandidátů. Existují však miliony nebo dokonce miliardy potenciálních elementálních kompozic a kombinací, " vysvětluje Möller. "Použitím metod strojového učení jsme schopni vyplnit velké mezery mezi simulovanými a teoretickými údaji." Výzkumníci mohou také zvrátit proces s cílem optimalizovat materiály. Za tímto účelem specifikují minimální požadavky na materiál, například magnetickou sílu nebo anizotropii, spolu s chemickými prvky, které doufají, že například zaměstnávají, například specifikují "používat spíše měkkou měď než vzácný a drahý kobalt". Optimalizační algoritmus pak poskytuje nejlepší možné elementární složení materiálu s použitím modelu materiálu vypočítaného strojovým učením z materiálových dat.

Tým vytvořil uživatelsky přívětivý webový nástroj, který usnadňuje používání softwaru. To umožňuje uživatelům zadat cílové vlastnosti a zdrojové materiály. Nástroj pak poskytuje informace o magnetických vlastnostech a nákladech na surovinu. Zavedený optimalizační algoritmus bude brzy k dispozici.

menu
menu