Ames Ulusal Laboratuvarı’ndaki bilim insanları, yeni mıknatıs malzemelerini kıt elementleri kullanmadan tahmin etmek için bir makine öğrenimi modeli geliştirdi. Bir malzemenin Curie sıcaklığına odaklanan bu yenilikçi yaklaşım, gelecekteki teknolojik uygulamalar için daha sürdürülebilir bir yol sunuyor.
Bilim insanları, kritik unsurları olmayan yeni manyetik malzemeler bulmak için yapay zekayı kullanıyor.{4 }
ABD Enerji Bakanlığı’nın Ames Ulusal Laboratuvarı’ndan bir araştırmacı ekibi, kritik element içermeyen kalıcı mıknatıslı malzemeleri keşfetmek için yeni bir makine öğrenimi modeli geliştirdi. Model, yeni malzeme kombinasyonlarının Curie sıcaklığını tahmin ediyor. Yeni kalıcı mıknatıslı malzemeleri tahmin etmek için yapay zekanın kullanılmasında önemli bir ilk adımdır. Bu model, ekibin termodinamik açıdan kararlı nadir toprak malzemelerini keşfetmeye yönelik yakın zamanda geliştirilen yeteneğine katkıda bulunur.
Yüksek Performanslı Mıknatısların Önemi
Yüksek performanslı mıknatıslar, aşağıdaki gibi teknolojiler için gereklidir: rüzgar enerjisi, veri depolama, elektrikli araçlar ve manyetik soğutma gibi. Bu mıknatıslar, kobalt gibi kritik malzemeleri ve Neodimyum ve Disprosyum gibi nadir toprak elementlerini içerir. Bu malzemeler yüksek talep görmektedir ancak bulunabilirliği sınırlıdır. Bu durum araştırmacıları, kritik malzemeleri azaltılmış yeni manyetik malzemeler tasarlamanın yollarını bulmaya motive ediyor.
Bir mıknatısın fotoğrafı. Katkı Sağlayan: ABD Enerji Bakanlığı Ames Ulusal Laboratuvarı
Makine Öğreniminin Rolü
Makine öğrenimi (ML), bir yapay zeka biçimidir. Tahminlerini sürekli olarak iyileştirmek için verileri ve deneme yanılma algoritmalarını kullanan bilgisayar algoritmaları tarafından yönlendirilir. Ekip, ML algoritmasını eğitmek için Curie sıcaklıklarına ilişkin deneysel verileri ve teorik modellemeyi kullandı. Curie sıcaklığı, bir malzemenin manyetizmasını koruduğu maksimum sıcaklıktır.
Yaroslav, “Yüksek Curie sıcaklığına sahip bileşiklerin bulunması, yüksek sıcaklıklarda manyetik özellikleri koruyabilen malzemelerin keşfedilmesinde önemli bir ilk adımdır” dedi. Ames Laboratuvarı’nda bir bilim adamı ve araştırma ekibinin kıdemli lideri olan Mudryk. “Bu husus, yalnızca kalıcı mıknatısların değil, diğer işlevsel manyetik malzemelerin tasarımı için de kritik öneme sahiptir.”
Mudryk’e göre, yeni malzemeler keşfetmek zorlu bir faaliyettir çünkü arama geleneksel olarak pahalı ve pahalı olan deneylere dayanmaktadır. zaman tükeniyor. Ancak makine öğrenimi yöntemini kullanmak zamandan ve kaynaklardan tasarruf sağlayabilir.
Modeli Geliştirme
Ames Laboratuvarı’nda bilim insanı ve araştırma ekibinin üyesi olan Prashant Singh, bu çabanın büyük bir bölümünün temel bilimi kullanarak bir makine öğrenimi modeli geliştirmekti. Ekip, deneysel olarak bilinen manyetik malzemeleri kullanarak ML modelini eğitti. Bu malzemeler hakkındaki bilgiler, çeşitli elektronik ve atomik yapı özellikleri ile Curie sıcaklığı arasında bir ilişki kurar. Bu modeller, bilgisayara potansiyel aday malzemeleri bulma konusunda bir temel sağlar.
Model Testi ve Doğrulama
Ekip, modeli doğrulamak için Seryum, Zirkonyum ve Demir bazlı bileşikler kullandı. Bu fikir, Ames Laboratuvarı’ndan bilim adamı ve araştırma ekibinin üyesi Andriy Palasyuk tarafından önerildi. Dünyada bol miktarda bulunan elementlere dayanan bilinmeyen mıknatıs malzemelerine odaklanmak istedi. Palasyuk, “Bir sonraki süper mıknatıs sadece performans açısından mükemmel olmakla kalmamalı, aynı zamanda bol miktarda yerli bileşene de dayanmalı” dedi.
Palasyuk, Ames Laboratuvarı’ndaki başka bir bilim adamı ve araştırma ekibinin üyesi olan Tyler Del Rose ile çalıştı. Alaşımları sentezlemek ve karakterize etmek. ML modelinin malzeme adaylarının Curie sıcaklığını tahmin etmede başarılı olduğunu bulmuşlardır. Bu başarı, gelecekteki teknolojik uygulamalara yönelik yeni kalıcı mıknatıslar tasarlamanın yüksek verimli bir yolunu oluşturmanın önemli bir ilk adımıdır.
Singh, “Sürdürülebilir bir gelecek için fizik bilgisine dayalı makine öğrenimi yazıyoruz” dedi.{4 }
Referans: Prashant Singh, Tyler Del Rose, Andriy Palasyuk ve Yaroslav Mudryk, 2 Ağustos 2023, Malzemelerin Kimyası .
DOI: 10.1021/acs.chemmater.3c00892