Künstliche Intelligenz beschleunigt Magnetforschung
Mathias Fischer
Forschende der Universität für Weiterbildung Krems haben mit französischen Partnern neue Methoden entwickelt, um leistungsstarke Dauermagnete mit weniger kritischen Rohstoffen zu gestalten. Künstliche Intelligenz verkürzt die Rechenzeit drastisch.
Das Department für Integrierte Sensorsysteme der Universität für Weiterbildung Krems hat im Projekt DataMag gemeinsam mit dem Institut Néel in Grenoble neue Ansätze für das Design von Dauermagneten erarbeitet. Die im Sommer abgeschlossene Forschungsarbeit kombiniert Simulationen und maschinelles Lernen, um vielversprechende innere Strukturen von Magneten zu identifizieren.
Dauermagnete sind zentrale Komponenten in Elektromotoren und Windkraftanlagen. Besonders leistungsfähige Varianten enthalten häufig Neodym und andere Seltene Erden. Die Gewinnung dieser Rohstoffe belastet die Umwelt, ihre Versorgung ist mit Risiken verbunden. Die Forschung sucht daher nach Magneten, die mit weniger kritischen Elementen auskommen, ohne an Leistung einzubüßen.
Struktur entscheidet über Leistung
Nicht nur die chemische Zusammensetzung ist entscheidend. Auch die Anordnung winziger magnetischer Körner und die Beschaffenheit ihrer Grenzen beeinflussen, wie gut ein Magnet einer Entmagnetisierung widersteht. Das Team unter Leitung von Harald Özelt entwickelte Rechenmodelle und Verfahren des maschinellen Lernens, um solche Strukturen gezielt zu gestalten. Die französischen Forschenden brachten ihre Expertise in der Herstellung und Untersuchung magnetischer Materialien ein.
Während ein echter Magnet aus Milliarden mikroskopisch kleiner Körner besteht, betrachten Computersimulationen repräsentative Ausschnitte mit einigen Tausend dieser Körner. Deren komplexes Wechselspiel physikalisch zu berechnen, erfordert enorme Rechenzeit. Die Forschenden in Wiener Neustadt, dem Sitz des Departments, entwickelten ein vereinfachtes physikalisches Modell, mit dem sich größere Gefüge untersuchen und Daten für das Training einer künstlichen Intelligenz erzeugen lassen.
Von Stunden auf Sekundenbruchteile
Anschließend trainierten die Wissenschaftler ein graphenbasiertes neuronales Netz. Es bildet die Körner und ihre Verbindungen als Netzwerk ab und kann aus der Struktur eines Magneten auf zwei wichtige Eigenschaften schließen: seine Widerstandsfähigkeit gegen Entmagnetisierung und die Menge magnetischer Energie, die er speichern kann.
In einer veröffentlichten Studie erreichte das Modell für diese beiden Vorhersagen Bestimmtheitsmaße von 96 beziehungsweise 98 Prozent. Nach dem Training benötigte es für mehr als 150 Teststrukturen insgesamt weniger als eine Sekunde. Eine einzelne Berechnung mit dem vereinfachten physikalischen Modell dauerte im untersuchten Datensatz durchschnittlich 2,7 Stunden.
„Wir können heute sehr viel mehr mögliche Magnetstrukturen untersuchen und erkennen schneller, welche davon eine genauere Prüfung verdienen“, sagt Projektleiter Harald Özelt, der am Zentrum für Modellierung und Simulation des Departments forscht.
Unsicherheit der Prognosen einkalkuliert
Das Team entwickelte zudem ein Verfahren, das auch die Unsicherheit der Vorhersagen der künstlichen Intelligenz abschätzt. Wenn sich eine neue Struktur stark von den Trainingsdaten unterscheidet, lässt sich ihre Prognose vorsichtiger beurteilen und gegebenenfalls mit einer physikalischen Simulation überprüfen. Das neuronale Netz hilft bei der schnellen Auswahl, das physikalische Modell bei der vertieften Analyse.
Die Berechnungen geben Hinweise darauf, wie Korngröße, Kornform und Grenzschichten die Eigenschaften eines Magneten beeinflussen. Gemeinsam mit den experimentellen Arbeiten in Grenoble ist damit eine Grundlage entstanden, um neue Materialkombinationen gezielter zu entwickeln und zu prüfen.
„Ziel unserer Forschung über das Projekt DataMag hinaus ist, die Leistung eines Magneten aus seiner inneren Struktur besser zu verstehen. So können wir gezielt nach Lösungen suchen, die weniger kritische Rohstoffe benötigen“, sagt Özelt.
Das Projekt DataMag lief von März 2023 bis Juni 2026 und wurde vom Österreichischen Wissenschaftsfonds FWF und der französischen Forschungsagentur ANR gefördert.
Worüber spricht Krems an der Donau morgen?
Kostenloses News Briefing aus deiner Region – jeden Morgen um 6 Uhr.
Mit der Anmeldung nimmst du die Datenschutzerklärung zur Kenntnis.