Вчені з Національної лабораторії Еймса США розробили систематичний підхід до відкриття нових способів створення постійних магнітів без використання рідкісноземельних елементів. Цей підхід поєднує в собі фізичне моделювання та високопродуктивні симуляції з інструментами штучного інтелекту (ШІ), що ґрунтуються на логічному мисленні, для управління процесом відкриття ще до того, як матеріали будуть виготовлені в лабораторії.
Результати дослідження були опубліковані у журналі Materials Science and Engineering.
Постійні магніти є важливою частиною нашого повсякденного життя. Від зберігання даних та керування електромобілями до високоякісної медичної візуалізації – постійні магніти використовуються всюди.
Високоефективні постійні магніти, виготовлені з використанням рідкісноземельних елементів, застосовуються в оборонній промисловості та енергетиці. Однак США сильно залежать від інших країн у питаннях перероблення рідкісноземельних елементів, що збільшує витрати та ризики для безпеки. Тому перед вченими Національної лабораторії Еймса біло поставлено завдання розробити постійні магніти, які не використовують рідкісноземельні елементи.
ШІ, ШІ всюди
Коли впровадження ШІ стрімко зростає, і жодна організація не хоче відставати, ще одна історія про робочі процеси ШІ не є великим сюрпризом. Однак для ідеальної роботи моделі ШІ необхідно навчати її на правильних даних.
Загалом модель ШІ можна навчати на загальних даних. Однак для ШІ, якому необхідно досягти успіху в матеріалознавстві, дослідницька група під керівництвом Прашанта Сінгха, вченого з Еймса, подбала про те, щоб моделі навчалися на експериментально виміряних та науково розрахованих властивостях матеріалів. Тільки це може гарантувати, що прогнози, які робить модель ШІ, ґрунтуються на реальній поведінці.
"Розуміння фізики матеріалів важливо враховувати у фреймворках ШІ під час розробки нових матеріалів. Якщо ви використовуєте дані тільки для навчання моделей, ви отримаєте тільки прогнози в межах інформації, що є у вас", — сказав Сінгх у пресрелізі.
"Але як тільки ви зрозумієте фізику того, що контролює конкретні властивості, ви з вашими агентними інструментами зможете дослідити довільний простір матеріалів", - додав Сінгх.
Розгляд всього процесу
Перевага використання такого підходу на основі ШІ полягає в тому, що він використовує атомну структуру та електронну поведінку матеріалу для визначення його властивостей. Сила намагнічування, опір розмагнічування, ємність зберігання енергії та поведінка постійного магніту за високих температур є основними параметрами, що визначають його корисність.
Використання моделі ШІ, яка враховує це, дозволяє дослідникам виявляти найперспективніші матеріали-кандидати та отримувати ймовірні результати за допомогою обчислень, а не реальних ітерацій.
"Сила лабораторії Еймса полягає в її глибокій експертизі та багаторічній історії даних у галузі магнітів, якої немає в жодній іншій установі", — пояснив Сінгх у пресрелізі.
"У будь-якій задачі проєктування матеріалів необхідно знати, як поєднання двох елементів змінить їх характеристики, перш ніж проводити експеримент. Ми розробляли як теоретичні, так і аналітичні інструменти для відповіді на це питання, і тепер ми впроваджуємо ШІ в цей процес, щоб зробити його швидшим і ширшим за охопленням".
Проте дослідники на цьому не зупинилися. Інструменти ШІ також враховують доступність та вартість матеріалу. Оскільки вразливість ланцюжків постачання неодноразово виявлялася в останнє десятиліття, моделі штучного інтелекту також враховують ці умови на самому етапі розробки, щоб гарантувати практичну здійсненність та можливість масштабування створюваного матеріалу.
Таким чином, дослідники розглянули весь цикл від відкриття до промислової доступності, оскільки США прагнуть знизити свою залежність від інших країн щодо критично важливих компонентів.
