Forum für Wissenschaft, Industrie und Wirtschaft

MagnetPredictor: Magnetische Materialeigenschaften vorhersagen

nächste Meldung

Regenerativen Energietechnologien gehört die Zukunft. Sowohl für Elektroautos als auch für Windturbinen werden jedoch große und starke Permanentmagnete benötigt. Das Problem dabei: Die Hochleistungsmagnetwerkstoffe enthalten 12 bis 17 Prozent Seltenerdmetall-Elemente, insbesondere Neodym oder Samarium, aber auch Dysprosium oder Terbium.

Mithilfe des Tools »MagnetPredictor« können magnetische Materialeigenschaften von Kombinationen aus Seltenerdelementen, Übergangsmetallen und anderen Elementen vorhergesagt werden.

© Fraunhofer IWM

Diese stammen nahezu ausschließlich aus China. Zudem werden die Rohstoffe meist unter ungesunden Arbeitsbedingungen und schädlichen Umweltauswirkungen abgebaut. Materialwissenschaftlerinnen und -wissenschaftler forschen daher seit Jahren daran, Seltenerdmetalle in Materialien für Permanentmagnete zu ersetzen.

Üblich ist dabei der »Trial and Error«-Weg: Welche elementaren Zusammensetzungen haben in der Vergangenheit gut funktioniert und könnten ähnlich gut funktionieren? Dies auszuprobieren, ist ein aufwändiges Unterfangen.

Computersimulationen legen die Basis

Forscherinnen und Forscher am Fraunhofer-Institut für Werkstoffmechanik IWM in Freiburg eröffnen nun einen alternativen, effektiveren Weg: »Wir haben eine Hochdurchsatz-Computersimulationsmethodik entwickelt, mit der wir eine Vielzahl an Materialien systematisch und schnell überprüfen können: Eignen diese sich für Permanentmagnete oder nicht?«, erläutert Dr. Johannes Möller, Wissenschaftler des Geschäftsfeldes »Materialdesign« am Fraunhofer IWM.

»Wir müssen nicht im Voraus überlegen, welcher Gehalt beispielsweise an Mangan, Kobalt oder Bor sinnvoll sein könnte, sondern lassen den Computer viele denkbare Varianten durchrechnen.« Durch diesen kombinatorischen Ansatz können vielversprechende Zusammensetzungen herausgefiltert werden, die eine solide theoretische Basis für gezielte experimentelle Untersuchungen bilden.

Die Anzahl der benötigten Experimente kann dann im Vergleich zum herkömmlichen »Trial and Error« deutlich geringer gehalten werden. »Das geht prinzipiell nicht nur für magnetische, sondern auch für andere Materialeigenschaften«, betont Möller. Die Informationen, die der Computer für die Simulation braucht, sind überschaubar: Die Kristallstruktur des Magnetmaterials sowie die enthaltenen chemischen Elemente. »Alles andere ergibt sich aus physikalischen Zusammenhängen«, konkretisiert Möller.

Was die Kristallstruktur angeht, so setzen die Forschenden auf Kristallgitter, bei denen nur jedes 14. Atom ein Seltenerdmetallelement ist – was einem Anteil von nur 7 Prozent entspricht. Die Simulationsergebnisse hat das Team an bekannten Magnetmaterialien überprüft. Das Ergebnis: Die Simulation errechnet die Magnetisierung eines neuen Materials treffsicher.

Eine hohe Magnetisierung macht aber noch keinen guten Permanentmagneten aus. Zusätzlich benötigt es hierfür die magnetische Anisotropie, die über die Anisotropiekonstante gemessen wird: Diese sagt aus, wie leicht oder schwer sich das Magnetmaterial durch ein angelegtes Magnetfeld umpolen lässt.

»Die Vorhersage dieser Eigenschaft stellt eine große Herausforderung für die Computergestützte Werkstoffsimulation dar«, sagt Möller. Semiquantitative Aussagen gelingen in diesem Fall dennoch, das heißt: Die Computersimulation kann Werte für die Anisotropiekonstante zwar nicht quantitativ exakt, aber qualitativ systematisch vorhersagen. Das Ergebnis zeigt beispielsweise, dass das Material X sieben Mal stärkeren Magnetfeldern standhält als das Material Y.

Maschinelles Lernen füllt die Lücken

Mit diesen Magnetmaterialdaten geht das Team noch einen großen Schritt weiter. »Unser Screening liefert uns einige tausend oder zehntausend Ergebnisdaten. Die Anzahl aller möglichen elementaren Zusammensetzungen und Kombinationen geht allerdings in die Millionen oder gar Milliarden«, erläutert Möller. »Mit Methoden des Maschinellen Lernens füllen wir daher die Lücken zwischen den berechneten Daten.«

Darüber hinaus ist es auch möglich, das Vorgehen rückwärts zur Materialoptimierung einzusetzen: Die Forscherinnen und Forscher geben die Mindestanforderungen an ein Wunschmaterial, etwa die Magnetisierung oder die Anisotropie, und die gewünschten chemischen Elemente vor, etwa »lieber preisgünstiges Kupfer als kritisches Kobalt«. Ein Optimierungsalgorithmus liefert dann die im Rahmen des aus den Materialdaten maschinell gelernten Materialmodells bestmögliche elementare Zusammensetzung des Materials.

Damit die Software leicht zu bedienen ist, hat das Team ein anwenderfreundliches Web-Tool entwickelt. Hier können die Zieleigenschaften und Grundmaterialien eingegeben werden. Heraus kommen Informationen zu den magnetischen Eigenschaften und den Rohstoffkosten. Die Implementierung des Optimierungsalgorithmus soll in Kürze folgen. Ein Demonstrator des Web-Tools »MagnetPredictor« ist unter der Adresse http://s.fhg.de/mp zugänglich.

Weitere Informationen:

https://www.fraunhofer.de/de/presse/presseinformationen/2018/September/MagnetPre...

Katharina Hien | Fraunhofer Forschung Kompakt

nächste Meldung

Im Focus: Geminiden - Die Wünsch-dir-was-Sternschnuppen vor Weihnachten

Gemeinsame Pressemitteilung der Vereinigung der Sternfreunde (VdS) und des Hauses der Astronomie in Heidelberg - Die Geminiden, die Mitte Dezember zu sehen sind, sind der "zuverlässigste" der großen Sternschnuppen-Ströme mit bis zu 120 Sternschnuppen pro Stunde. Leider stört in diesem Jahr der Mond zur besten Beobachtungszeit.

Sie wurden nach dem Sternbild Zwillinge benannt: Die „Geminiden“ sorgen Mitte Dezember immer für ein schönes Sternschnuppenschauspiel. In diesem Jahr sind die...

Im Focus: Electronic map reveals 'rules of the road' in superconductor

Band structure map exposes iron selenide's enigmatic electronic signature

Using a clever technique that causes unruly crystals of iron selenide to snap into alignment, Rice University physicists have drawn a detailed map that reveals...

Im Focus: Das 136 Millionen Atom-Modell: Wissenschaftler simulieren Photosynthese

Die Umwandlung von Sonnenlicht in chemische Energie ist für das Leben unerlässlich. In einer der größten Simulationen eines Biosystems weltweit haben Wissenschaftlerinnen und Wissenschaftler diesen komplexen Prozess an einem Bestandteil eines Bakteriums nachgeahmt – am Computer, Atom um Atom. Die Arbeit, die jetzt in der renommierten Fachzeitschrift „Cell“ veröffentlicht wurde, ist ein wichtiger Schritt zum besseren Verständnis der Photosynthese in einigen biologischen Strukturen. An der internationalen Forschungskooperation unter Leitung der University of Illinois war auch ein Team der Jacobs University Bremen beteiligt.

Das Projekt geht zurück auf eine Initiative des inzwischen verstorbenen, deutsch-US-amerikanischen Physikprofessors Klaus Schulten von der University of...

Im Focus: Developing a digital twin

University of Texas and MIT researchers create virtual UAVs that can predict vehicle health, enable autonomous decision-making

In the not too distant future, we can expect to see our skies filled with unmanned aerial vehicles (UAVs) delivering packages, maybe even people, from location...

Im Focus: Freiformflächen bis zu 80 Prozent schneller schlichten: Neue Werkzeuge und Algorithmen für die Fräsbearbeitung

Beim Schlichtfräsen komplexer Freiformflächen können Kreissegment- oder Tonnenfräswerkzeuge jetzt ihre Vorteile gegenüber herkömmlichen Werkzeugen mit Kugelkopf besser ausspielen: Das Fraunhofer-Institut für Produktionstechnologie IPT aus Aachen entwickelte im Forschungsprojekt »FlexiMILL« gemeinsam mit vier Industriepartnern passende flexible Bearbeitungsstrategien und implementierte diese in eine CAM-Software. Auf diese Weise lassen sich große frei geformte Oberflächen nun bis zu 80 Prozent schneller bearbeiten.

Ziel im Projekt »FlexiMILL« war es, für die Bearbeitung mit Tonnenfräswerkzeugen nicht nur neue, verbesserte Werkzeuggeometrien zu entwickeln, sondern auch...