과학자들은 인공 지능을 사용하여 중요한 요소를 사용하지 않는 새로운 자성 재료를 찾습니다. 미국 에너지부 산하 에임스 국립 연구소(Ames National Laboratory) 연구팀은 중요한 원소를 포함하지 않는 영구 자석 재료를 발견하기 위한 새로운 기계 학습 모델을 개발했습니다. 이 모델은 새로운 재료 조합의 퀴리 온도를 예측합니다. 이는 인공지능을 활용해 새로운 영구자석 재료를 예측하는 중요한 첫 단계다. 이 모델은 열역학적으로 안정한 희토류 물질을 발견하기 위해 팀이 최근 개발한 능력을 보완합니다.
Ames National Laboratory의 과학자들은 희소한 원소를 사용하지 않고도 새로운 자석 재료를 예측할 수 있는 기계 학습 모델을 설계했습니다. 재료의 퀴리 온도에 초점을 맞춘 이 혁신적인 접근 방식은 미래 기술 적용을 위한 보다 지속 가능한 경로를 제공합니다.
고성능 자석의 중요성
고성능 자석은 풍력 에너지, 데이터 저장, 전기 자동차 및 자기 냉각과 같은 기술에 매우 중요합니다. 이 자석에는 코발트와 같은 핵심 소재와 네오디뮴, 디스프로슘과 같은 희토류 원소가 포함되어 있습니다. 이러한 재료는 수요가 많지만 공급은 제한되어 있습니다. 이러한 상황으로 인해 연구자들은 중요한 재료를 줄이는 새로운 자성 재료를 설계하는 방법을 모색하게 되었습니다.
머신러닝의 역할
머신러닝(ML)은 인공지능의 한 형태입니다. 이는 예측을 지속적으로 개선하기 위해 데이터와 시행착오 알고리즘을 사용하는 컴퓨터 알고리즘에 의해 구동됩니다. 연구팀은 ML 알고리즘을 훈련시키기 위해 실험 데이터와 퀴리 온도의 이론적 모델링을 사용했습니다. 퀴리 온도는 물질이 자성을 유지하는 가장 높은 온도입니다.
Ames Laboratory의 과학자이자 연구팀의 수석 리더인 Yaroslav Mudryk는 "높은 퀴리 온도를 갖는 화합물을 찾는 것은 고온에서 자성을 유지할 수 있는 물질을 발견하는 중요한 첫 번째 단계입니다."라고 말했습니다. "이 측면은 영구 자석의 설계뿐만 아니라 다른 기능성 자성 재료의 설계에도 중요합니다."
머드릭은 새로운 물질을 찾는 일은 전통적으로 비용과 시간이 많이 드는 실험을 통해 이루어졌기 때문에 새로운 물질을 발견하는 것은 어려운 활동이라고 믿습니다. 그러나 ML 방법을 사용하면 시간과 리소스를 절약할 수 있습니다.
모델 테스트 및 검증
모델을 검증하기 위해 팀은 세륨, 지르코늄 및 철을 기반으로 한 화합물을 사용했습니다. 이 아이디어는 Ames Laboratory의 과학자이자 연구팀의 일원인 Andriy Palasyuk이 제안했습니다. 그는 지구에 풍부한 원소를 기반으로 한 알려지지 않은 자석 재료에 집중하기를 희망합니다. Palaschuk은 "차세대 슈퍼 자석은 탁월한 성능을 가져야 할 뿐만 아니라 풍부한 국내 부품에 의존해야 합니다.
Palaschuk은 Ames Laboratory의 또 다른 과학자인 연구팀 구성원인 Tyler Del Rose와 협력하여 합금을 합성하고 특성화했습니다. 그들은 ML 모델이 후보 재료의 퀴리 온도를 성공적으로 예측했음을 발견했습니다. 이러한 성공은 미래의 기술 응용을 위한 새로운 영구 자석을 설계하기 위한 높은 처리량 접근 방식의 중요한 첫 번째 단계입니다.
"우리는 지속 가능한 미래를 위해 물리학 기반 기계 학습을 작성하고 있습니다."라고 Singer는 말했습니다.
