การทำนายสมบัติทางแม่เหล็กของวัสดุ

Anonim

แม่เหล็กถาวรที่ใช้ในรถยนต์ไฟฟ้าและกังหันลมในปัจจุบันมีโลหะหายาก การลดปริมาณของธาตุเหล่านี้ในแม่เหล็กเป็นสิ่งสำคัญเนื่องจากการทำเหมืองแร่เป็นอันตรายต่อทั้งสุขภาพและสิ่งแวดล้อม ปัจจุบันนักวิจัยได้พัฒนาเครื่องมือการเรียนรู้เครื่องใหม่เพื่อช่วยในการคาดการณ์คุณสมบัติของสารประกอบ ferromagnetic ขององค์ประกอบของวัสดุใหม่ ๆ ได้อย่างรวดเร็วและง่ายดาย

พลังงานหมุนเวียนเป็นเทคโนโลยีที่สำคัญสำหรับอนาคต อย่างไรก็ตามทั้งรถยนต์ไฟฟ้าและกังหันลมต้องการแม่เหล็กถาวรขนาดใหญ่และแข็งแรง ปัญหาที่เกิดขึ้นคือวัสดุแม่เหล็กที่มีสมรรถนะสูงมีส่วนประกอบของธาตุหายากจาก 12 ถึง 17 เปอร์เซ็นต์ส่วนใหญ่คือนีโอดิเมียมและซามาร์ไร แต่ยังมีดิสโพรเซียมและเทอร์บิวรี แหล่งที่มาขององค์ประกอบเหล่านี้คือเกือบเฉพาะประเทศจีน นอกจากนี้คนงานเหมืองแร่ที่สกัดวัตถุดิบเหล่านี้มักทำงานภายใต้สภาวะที่เป็นอันตรายต่อสุขภาพและกระบวนการนี้ก่อให้เกิดความเสียหายต่อสิ่งแวดล้อม ไม่น่าแปลกใจที่นักวิจัยวัสดุได้ตั้งเป้าหมายไว้เป็นเวลาหลายปีในการหาทางเลือกในการหาโลหะหายากในแม่เหล็กถาวร โดยรวมแล้ววิธีมาตรฐานคือ "การทดลองและข้อผิดพลาด": องค์ประกอบองค์ประกอบใดที่ทำงานได้ดีในอดีตและอาจทำงานได้ดีในอนาคต การทดสอบแบบนี้เป็นเรื่องที่ต้องเสียค่าใช้จ่ายและใช้เวลามาก

เก็บรวบรวมผู้สมัครโดยใช้คอมพิวเตอร์จำลอง

นักวิจัยจาก Fraunhofer Institute for Mechanics of Materials IWM ในเมือง Freiburg เป็นผู้บุกเบิกทางเลือกใหม่และมีประสิทธิภาพมากขึ้น Dr. Johannes Möllerนักวิจัยจากหน่วยงาน Design Material ของ Fraunhofer IWM อธิบายว่า "เราได้พัฒนาวิธีจำลองคอมพิวเตอร์แบบ high-throughput เพื่อทดสอบระบบจำนวนมากอย่างเป็นระบบและอย่างรวดเร็วเพื่อทดสอบระบบจำนวนมากอย่างเป็นระบบ "วิธีการของเราคือไม่ต้องพิจารณาเปอร์เซ็นต์ของแมงกานีสโคบอลต์หรือโบรอนที่อาจจะเป็นไปได้ แต่เพื่อให้คอมพิวเตอร์สามารถจำลองรูปแบบได้หลายรูปแบบ" วิธีการผสมผสานนี้สามารถกรององค์ประกอบที่มีแนวโน้มเพื่อสร้างชุดของผู้สมัครที่มีเหตุผลทางทฤษฎีที่สามารถตรวจสอบได้อย่างเป็นระบบ ปัญหานี้ลดลงอย่างมากเมื่อเทียบกับวิธีการทดลองและข้อผิดพลาดทั่วไป "ในหลักการวิธีนี้ไม่ได้ จำกัด เฉพาะสมบัติทางแม่เหล็ก แต่ยังสามารถใช้กับสมบัติของวัสดุชนิดอื่นได้ด้วย" Möllerกล่าว

คอมพิวเตอร์ต้องการเฉพาะข้อมูลจำนวน จำกัด เพื่อทำการจำลอง: โครงสร้างคริสตัลของวัสดุแม่เหล็กและองค์ประกอบทางเคมีที่มีอยู่ "ทุกสิ่งทุกอย่างขึ้นอยู่กับบริบททางกายภาพ" Möllerชี้แจง เมื่อพูดถึงโครงสร้างคริสตัลแล้วนักวิจัยกำลังศึกษาโครงสร้างผลึกที่มีเพียง 1 ใน 14 อะตอมธาตุโลหะธาตุที่หายากซึ่งมีเพียง 7 เปอร์เซนต์เท่านั้น ทีมงานได้ตรวจสอบความสำเร็จของการจำลองโดยใช้วัสดุแม่เหล็กที่เป็นที่รู้จัก เมื่อประสบความสำเร็จในการระบุคุณสมบัติที่เป็นที่รู้จักของวัสดุดังกล่าวแล้วพวกเขาก็แสดงให้เห็นว่าการจำลองสามารถทำนายแม่เหล็กของวัสดุใหม่ได้สำเร็จ สิ่งที่มีความสำคัญเท่าเทียมกันคือค่าคงที่ของค่าคงที่ anisotropy แม่เหล็ก ค่านี้เป็นตัววัดว่าง่ายหรือยากที่จะย้อนกลับขั้วของวัสดุแม่เหล็กโดยการใช้สนามแม่เหล็ก Möllerกล่าวว่า "ความสามารถในการทำนายค่านี้เป็นความท้าทายอย่างมากสำหรับวิทยาศาสตร์ด้านวัสดุแม่เหล็กที่ใช้คอมพิวเตอร์ช่วย" อย่างไรก็ตามนักวิทยาศาสตร์สามารถคำนวณหาค่ากึ่งเชิงปริมาณได้ กล่าวอีกนัยหนึ่งการจำลองสามารถทำนายค่าของ anisotropy แม่เหล็กที่มีคุณภาพมากกว่าเชิงปริมาณได้อย่างแม่นยำ ตัวอย่างเช่นการจำลองสามารถแสดงให้เห็นว่าวัสดุ X สามารถทนต่อสนามแม่เหล็กได้ดีกว่าวัสดุ Y ถึงเจ็ดเท่า

การเรียนรู้ด้วยเครื่องจักรช่วยเติมช่องว่าง

ตอนนี้ทีมงานสามารถใช้ข้อมูลเกี่ยวกับสมบัติทางแม่เหล็กของวัสดุในขั้นตอนต่อไปและใหญ่ขึ้นได้ "การจำลองนี้ทำให้เรามีผู้สมัครหลายหมื่นถึงหมื่นคนอย่างไรก็ตามมีล้านหรือแม้แต่พันล้านขององค์ประกอบและชุดค่าผสมที่มีศักยภาพ" Möllerอธิบาย "การใช้เครื่องจักรเรียนรู้วิธีการที่เราสามารถที่จะเติมช่องว่างขนาดใหญ่ระหว่างตัวเลขจำลองและทฤษฎี" นักวิจัยยังสามารถย้อนกลับกระบวนการเพื่อเพิ่มประสิทธิภาพวัสดุ เมื่อต้องการทำเช่นนี้พวกเขาระบุความต้องการขั้นต่ำสำหรับวัสดุตัวอย่างเช่นความแรงของแม่เหล็กหรือ anisotropy พร้อมกับองค์ประกอบทางเคมีที่พวกเขาหวังว่าจะใช้เช่นระบุ "ใช้ทองแดงราคาถูกแทนโคบอลต์หายากและมีราคาแพง" อัลกอริทึมการเพิ่มประสิทธิภาพจะให้องค์ประกอบองค์ประกอบที่ดีที่สุดของวัสดุโดยใช้แบบจำลองวัสดุที่คำนวณโดยการเรียนรู้จากข้อมูลจากวัสดุ

ทีมงานได้พัฒนาเครื่องมือเว็บที่ใช้งานง่ายเพื่อให้ซอฟต์แวร์ใช้งานได้ง่ายขึ้น ซึ่งช่วยให้ผู้ใช้สามารถเข้าสู่คุณสมบัติเป้าหมายและวัสดุต้นทาง เครื่องมือนี้จะให้ข้อมูลเกี่ยวกับคุณสมบัติของแม่เหล็กและต้นทุนวัตถุดิบ ขั้นตอนการเพิ่มประสิทธิภาพที่ใช้อยู่จะพร้อมใช้งานในเร็ว ๆ นี้

menu
menu