科学者は人工知能を使用して、重要な元素を使用しない新しい磁性材料を見つけます。 米国エネルギー省エイムズ国立研究所の研究チームは、重要な元素を含まない永久磁石材料を発見するための新しい機械学習モデルを開発した。 このモデルは、新しい材料の組み合わせのキュリー温度を予測します。 これは、人工知能を使用して新しい永久磁石材料を予測するための重要な最初のステップです。 このモデルは、熱力学的に安定した希土類材料を発見するチームの最近開発された能力を補完します。
エイムズ国立研究所の科学者は、希少元素を使用せずに新しい磁石材料を予測できる機械学習モデルを設計しました。 材料のキュリー温度に焦点を当てたこの革新的なアプローチは、将来の技術応用へのより持続可能な道を提供します。
高性能磁石の重要性
高性能磁石は、風力エネルギー、データストレージ、電気自動車、磁気冷凍などの技術にとって不可欠です。 これらの磁石には、コバルトやネオジム、ジスプロシウムなどの希土類元素などの主要な材料が含まれています。 これらの材料は需要が高いですが、供給には限りがあります。 この状況により、研究者は重要な材料を削減する新しい磁性材料を設計する方法を模索するようになりました。
機械学習の役割
機械学習 (ML) は人工知能の一種です。 これはコンピューター アルゴリズムによって駆動され、データと試行錯誤のアルゴリズムを使用して予測を継続的に改善します。 研究チームは、キュリー温度の実験データと理論モデリングを使用して、ML アルゴリズムをトレーニングしました。 キュリー温度は、材料が磁性を保つ最高温度です。
エイムズ研究所の科学者で研究チームの上級リーダーであるヤロスラフ・ムドリク氏は、「高いキュリー温度を持つ化合物を見つけることは、高温でも磁性を維持できる材料を発見するための重要な第一歩である」と述べた。 「この側面は、永久磁石の設計だけでなく、他の機能性磁性材料の設計にとっても重要です。」
マドリック氏は、新材料の探索は伝統的に実験によって行われており、費用と時間がかかるため、新材料の発見は困難な作業であると考えています。 ただし、ML メソッドを使用すると、時間とリソースを節約できます。
モデルのテストと検証
モデルを検証するために、チームはセリウム、ジルコニウム、鉄をベースとした化合物を使用しました。 このアイデアは、エイムズ研究所の科学者で研究チームのメンバーであるアンドリー・パラシュク氏によって提案されました。 彼は、地球に豊富に存在する元素をベースにした未知の磁石材料に焦点を当てたいと考えています。 パラシュク氏は、「次期スーパーマグネットは優れた性能を備えているだけでなく、豊富な国産部品に依存する必要がある。
パラシュク氏は、研究チームのメンバーでエイムズ研究所の別の科学者であるタイラー・デル・ローズ氏と協力して、合金の合成と特性評価を行った。 彼らは、ML モデルが候補材料のキュリー温度を首尾よく予測できることを発見しました。 この成功は、将来の技術応用に向けた新しい永久磁石を設計するための高スループットアプローチにおける重要な第一歩となります。
「私たちは持続可能な未来に向けて、物理学に基づいた機械学習を開発しています」とシンガー氏は語った。
