07.09.2023 18:56
Дослідники використовують ШІ для пошуку нових магнітних матеріалів без критичних елементів
Команда вчених з Національної лабораторії Еймса розробила нову модель машинного навчання для пошуку матеріалів для постійних магнітів без критичних елементів. Модель прогнозує температуру Кюрі нових комбінацій матеріалів. Це важливий перший крок у використанні штучного інтелекту для прогнозування нових матеріалів постійних магнітів. Ця модель доповнює нещодавно розроблені можливості команди для відкриття термодинамічно стабільних рідкоземельних матеріалів.
Високопродуктивні магніти необхідні для таких технологій, як вітроенергетика, зберігання даних, електромобілі та магнітне охолодження. Ці магніти містять такі важливі матеріали, як кобальт і рідкісноземельні елементи, як неодим і диспрозій. Ці матеріали користуються високим попитом, але мають обмежену доступність. Ця ситуація мотивує дослідників шукати способи розробки нових магнітних матеріалів зі зменшеним вмістом критичних матеріалів.
Машинне навчання (ML) – це форма штучного інтелекту. Воно керується комп’ютерними алгоритмами, які використовують дані та алгоритми спроб і помилок для постійного вдосконалення своїх прогнозів. Команда використовувала експериментальні дані про температуру Кюрі та теоретичне моделювання для навчання алгоритму ML. Температура Кюрі – це максимальна температура, при якій матеріал зберігає свій магнетизм.
«Пошук сполук з високою температурою Кюрі є важливим першим кроком у відкритті матеріалів, здатних зберігати магнітні властивості при підвищених температурах», – сказав Ярослав Мудрик, науковець Лабораторії Еймса і старший керівник дослідницької групи. «Цей аспект має вирішальне значення для розробки не лише постійних магнітів, але й інших функціональних магнітних матеріалів».
За словами Мудрика, відкриття нових матеріалів є складним завданням, оскільки пошук традиційно базується на експериментах, які є дорогими і трудомісткими. Однак використання методу магнітного поля може заощадити час і ресурси.
Прашант Сінгх, науковець з Лабораторії Еймса і член дослідницької групи, пояснив, що основна частина роботи полягала в розробці моделі ML з використанням фундаментальної науки. Команда тренувала свою модель ML, використовуючи експериментально відомі магнітні матеріали. Інформація про ці матеріали встановлює взаємозв’язок між деякими особливостями електронної та атомної структури і температурою Кюрі. Ці закономірності дають комп’ютеру основу для пошуку потенційних матеріалів-кандидатів.
Для тестування моделі команда використовувала сполуки на основі Церію, Цирконію та Заліза. Цю ідею запропонував Андрій Паласюк, науковець Лабораторії Еймса та член дослідницької групи. Він хотів зосередитися на невідомих магнітних матеріалах на основі поширених на Землі елементів.
«Наступний супермагніт повинен бути не тільки чудовим за своїми характеристиками, але й спиратися на велику кількість вітчизняних компонентів», – сказав Паласюк.
Паласюк працював з Тайлером Дель Роузом, ще одним науковцем Лабораторії Еймса і членом дослідницької групи, над синтезом і визначенням характеристик сплавів. Вони виявили, що модель ML була успішною у прогнозуванні температури Кюрі для матеріалів-кандидатів. Цей успіх є важливим першим кроком у створенні високопродуктивного способу проектування нових постійних магнітів для майбутніх технологічних застосувань.
«Ми створюємо фізично-інформоване машинне навчання для сталого майбутнього», – сказав Сінгх.
Нагадаємо, дослідники з Цюріхського університету вже успішно конструюють надпровідники по одному атому за раз, створюючи нові стани матерії.
)
)
)
)
)
)
)
)
