Oamenii de știință folosesc inteligența artificială pentru a găsi noi materiale magnetice care nu folosesc elemente critice. O echipă de cercetare de la Laboratorul Național Ames al Departamentului de Energie al SUA a dezvoltat un nou model de învățare automată pentru descoperirea materialelor cu magnet permanenți care nu conțin elemente critice. Modelul prezice temperatura Curie a noilor combinații de materiale. Acesta este un prim pas important în utilizarea inteligenței artificiale pentru a prezice noi materiale cu magnet permanenți. Modelul completează capacitatea recent dezvoltată a echipei de a descoperi materiale cu pământuri rare stabile termodinamic.
Oamenii de știință de la Laboratorul Național Ames au proiectat un model de învățare automată care poate prezice noi materiale de magnet fără a utiliza elemente rare. Această abordare inovatoare, care se concentrează pe temperatura Curie a materialelor, oferă o cale mai durabilă către aplicațiile viitoare ale tehnologiei.
Importanța magneților de înaltă performanță
Magneții de înaltă performanță sunt critici pentru tehnologii precum energia eoliană, stocarea datelor, vehiculele electrice și refrigerarea magnetică. Acești magneți conțin materiale cheie, cum ar fi cobaltul și elemente de pământuri rare, cum ar fi neodim și disproziu. Aceste materiale sunt la mare căutare, dar oferta este limitată. Această situație i-a determinat pe cercetători să caute modalități de a proiecta noi materiale magnetice care reduc materialele critice.
Rolul învățării automate
Învățarea automată (ML) este o formă de inteligență artificială. Este condus de algoritmi de computer, folosind date și algoritmi de încercare și eroare pentru a îmbunătăți continuu predicțiile. Echipa de cercetare a folosit date experimentale și modelarea teoretică a temperaturilor Curie pentru a antrena algoritmul ML. Temperatura Curie este cea mai ridicată temperatură la care un material rămâne magnetic.
„Găsirea de compuși cu temperaturi ridicate Curie este un prim pas important în descoperirea materialelor care pot rămâne magnetice la temperaturi ridicate”, a spus Yaroslav Mudryk, om de știință al Laboratorului Ames și lider senior al echipei de cercetare. „Acest aspect este crucial nu numai pentru proiectarea magneților permanenți, ci și pentru proiectarea altor materiale magnetice funcționale”.
Mudrick crede că descoperirea de noi materiale este o activitate provocatoare, deoarece căutarea de noi materiale s-a făcut în mod tradițional prin experimente, care sunt costisitoare și consumatoare de timp. Cu toate acestea, utilizarea metodelor ML poate economisi timp și resurse.
Testarea și validarea modelelor
Pentru a valida modelul, echipa a folosit compuși pe bază de ceriu, zirconiu și fier. Ideea a fost propusă de Andriy Palasyuk, om de știință la Laboratorul Ames și membru al echipei de cercetare. El speră să se concentreze asupra materialelor magnet necunoscute bazate pe elemente abundente pe Pământ. Palaschuk a spus: „Următorul super magnet nu trebuie să aibă doar performanțe excelente, ci și să se bazeze pe componente domestice abundente.
Palaschuk a colaborat cu membrul echipei de cercetare Tyler Del Rose, un alt om de știință al Laboratorului Ames, pentru a sintetiza și caracteriza aliajul. Ei au descoperit că modelul ML a prezis cu succes temperatura Curie a materialelor candidate. Acest succes este un prim pas important într-o abordare de mare debit pentru proiectarea de noi magneți permanenți pentru viitoare aplicații tehnologice.
„Scriem învățare automată bazată pe fizică pentru un viitor durabil”, a spus Singer.
