Magnetisches Labyrinth: Künstliche Intelligenz half japanischen Physikern, die Geheimnisse der Motorüberhitzung zu entschlüsseln
Das rasante Wachstum des Marktes für Elektrofahrzeuge hat die Notwendigkeit erhöht, die Energieeffizienz von Elektromotoren zu steigern. Eine zentrale technische Herausforderung ist hierbei die magnetische Hysterese, also Energieverluste im Eisen. Wenn Magnetfelder im Motor bei hohen Frequenzen ihre Richtung ändern, wird ein Teil der elektrischen Energie in Wärme umgewandelt, was den Motorkern erhitzt. Dieser Prozess führt zur Entmagnetisierung der Materialien und zu einem Effizienzverlust. Dies berichtet Ixbt.com berichtet .
Wissenschaftler der Tokyo University of Science haben in Zusammenarbeit mit den Universitäten Tsukuba, Okayama und Kyoto ein neues theoretisches Modell namens eX-GL entwickelt, um dieses Problem zu lösen. Die Studie untersuchte die komplexe "Labyrinth"-Struktur magnetischer Domänen – mikroskopische Bereiche innerhalb des Materials. Solche Strukturen neigen bei Temperaturänderungen zu plötzlichen Umstrukturierungen, ein Prozess, der bisher mathematisch kaum präzise zu erfassen war.
Die Physiker nutzten Machine Learning und eine fortschrittliche Methode der topologischen Datenanalyse – persistente Homologie –, um den Prozess zu analysieren. Künstliche Intelligenz untersuchte mikroskopische Bilder der magnetischen Domänen und erstellte eine digitale Karte der freien Energie. Diese Karte zeigte deutlich, wie sich die Mikrostruktur der Domänen in Abhängigkeit von Energiezustandsänderungen entwickelt.
Im Ergebnis der Studie konnten die Wissenschaftler vier wesentliche verborgene Energiebarrieren visualisieren, die die Dynamik magnetischer Domänen steuern. Es wurde festgestellt, dass die Komplexität der Labyrinth-Domänen mit der Gesamtlänge der Domänenwände zunimmt. Diese Entdeckung ermöglicht die Entwicklung neuer magnetischer Materialien für hocheffiziente Elektromotoren, die weniger Energie verlieren und nicht überhitzen.
Lesen Sie „Zamin“ auf Telegram!
