과학자들은 재료의 미세 구조가 거시적 물리적 특성과 어떻게 관련되는지 분석하기 위한 의미 있는 접근 방식을 개발했습니다.
보자력은 전기 모터와 같은 다양한 응용 분야에서 에너지 효율을 최적화하는 데 매우 중요한 자성 재료의 물리적 특성입니다. 그러나 현재 사용 가능한 이론으로는 재료의 결함 및 기타 유형의 불균일성을 설명할 수 없기 때문에 분석하기 어렵습니다. 이를 해결하기 위해 과학자들은 데이터 과학, 재료 정보학 및 Ginzburg-Landau 모델의 확장을 결합하여 자성 재료의 미세 구조에서 보자력이 어떻게 발생하는지 설명했습니다.
연자성체, 즉 쉽게 자화되고 탈자될 수 있는 물질은 변압기, 발전기 및 모터에서 중요한 역할을 합니다. 자화를 변경하지 않고 외부 자기장에 저항하는 자성체의 능력은 에너지 손실과 밀접하게 관련된 속성인 '보자력'으로 알려져 있습니다. 전기 자동차와 같은 애플리케이션에서 더 높은 에너지 효율을 달성하기 위해 낮은 보자력 재료가 매우 바람직합니다.
그러나 연자성 재료의 에너지 손실과 관련된 보자력 및 기타 자기 현상은 매우 복잡한 상호 작용에서 비롯됩니다. 일반적인 거시적 분석은 재료 구조의 지나친 단순화로 인해 어려움을 겪으며 종종 이론을 실험에 맞게 조정하기 위해 추가 매개변수가 필요합니다. 지금까지는 보자력을 분석하기 위한 도구와 프레임워크가 널리 사용 가능하지만 대부분 새로운 응용 프로그램을 개발하는 데 기본이 되는 재료의 결함과 경계를 직접 고려하지 않습니다.
이에 일본 도쿄이과대학(TUS) 마사토 고츠기 교수 등 연구팀은 최근 데이터 사이언스와 머신러닝을 결합해 미시적 특성을 거시적 물성인 보자력과 연결하는 새로운 접근법을 개발했다. , 그리고 GL 모델의 확장입니다. TUS의 Alexandre Lira Foggiatto 박사가 이끄는 이 연구는 8년 2022월 XNUMX일 Communications Physics에 게재되었습니다.
연구팀은 자성체의 미세 구조적 특성을 고려하면서 자성체의 보자력 분석을 자동화하는 방법을 찾는 것을 목표로 했습니다. 이를 위해 먼저 시뮬레이션 및 실제 자성 재료에 대한 데이터를 자구의 현미경 이미지 형태로 수집했습니다. 전처리 후 이미지는 대용량 데이터 세트를 분석하는 데 일반적으로 사용되는 주성분 분석(PCA)이라는 기계 학습 기술의 입력으로 사용되었습니다. PCA를 통해 팀은 이러한 전처리된 이미지에서 가장 관련성이 높은 정보(특징)를 XNUMX차원 '특징 공간'으로 압축했습니다.
인공 신경망과 같은 다른 기계 학습 기술과 결합된 이 접근 방식을 통해 연구원은 형상 공간 내의 재료에서 자화 반전의 현실적인 에너지 환경을 시각화할 수 있었습니다. 실험 및 시뮬레이션 이미지에 대한 결과를 주의 깊게 비교하면 제안된 방법론이 재료의 가장 중요한 기능을 의미 있는 방식으로 매핑하기 위한 편리한 전략임을 입증했습니다.
“기계 학습을 사용하여 에너지 환경을 설명하면 실험 데이터와 시뮬레이션 데이터 모두에서 좋은 결과를 보였습니다. 둘 다 비슷한 모양과 비슷한 설명 변수 및 그들 사이의 상관 관계를 공유했습니다.”라고 Foggiatto 박사는 말합니다.
전반적으로, 이 연구는 연자성 재료의 보자력의 물리적 기원을 자동화할 뿐만 아니라 명확하게 하기 위해 재료 정보학을 영리하게 활용하는 방법을 보여줍니다. 운이 좋으면 재료 과학자와 물리학자가 최신 모델과 프레임워크를 뛰어넘는 새로운 물리 법칙과 모델을 도출하는 데 도움이 될 것입니다. 또한 Foggiatto 박사가 강조한 바와 같이 이 전략의 적용은 보자력을 훨씬 뛰어넘습니다. .”
흥미롭게도 이것은 Masato Kotsugi 교수와 그의 동료들이 개발 중인 확장된 Landau 자유 에너지 모델과 관련하여 발표한 두 번째 연구입니다. 그들은 가까운 미래에 그들의 기능 분석 모델이 전기 자동차 모터의 고효율을 달성하는 데 도움이 되어 보다 지속 가능한 운송의 길을 닦기를 희망합니다.
참조
원 논문 제목: 보자력 메커니즘 해석을 위한 기능 확장 에너지 조경 모델. 저널: 커뮤니케이션 물리학.
자금 정보
이 연구는 과학 연구(A) 번호 21H04656에 대한 JSPS 보조금에 의해 부분적으로 지원되었습니다.
- SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
- 플라토 블록체인. Web3 메타버스 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
- 출처: https://www.logisticsit.com/articles/2022/12/06/making-sense-of-coercivity-in-magnetic-materials-with-machine-learning
