Design of Nanocomposite Magnets by Machine Learning

Permanente Magnete sind entscheidende Komponenten in nachhaltigen Technologien wie Elektrofahrzeugen und Windkraftanlagen. Die Herstellung von Hochleistungsmagneten hängt derzeit jedoch stark von Seltenen Erden ab, was aufgrund der steigenden Nachfrage nach diesen Materialien zu einem Mangel führen könnte. Um diesem Problem zu entgegnen, werden alternative Magnete mit deutlich geringerem Gehalt an Seltenen Erden benötigt.

Eine vielversprechender Ansatz ist ein Zweiphasenmagnet, der sowohl magnetisch harte als auch weiche Bereiche enthält. Ziel dieses Projekts ist es, die optimale räumliche Verteilung dieser Phasen zu finden, um den Gehalt an Seltenen Erden zu reduzieren und gleichzeitig eine hohe magnetische Leistung aufrechtzuerhalten. Für diese Aufgabe werden schnelle, massiv parallelisierte mikromagnetische Simulationen und künstliche Intelligenz kombiniert.

Es wird ein Programm entwickelt, um automatisch eine große Anzahl von Simulationen für verschiedene harte/weiche Magnetverteilungen durchzuführen. Die Ergebnisse werden als Trainingsdaten für ein neuronales Netzwerk namens Predictor verwendet. Der Predictor wird lernen, wie sich Materialzusammensetzung und geometrische Eigenschaften auf die Leistung des Magneten auswirken. Das trainierte Netzwerk wird dann invers als Designer-Netzwerk verwendet, um die Materialzusammensetzung und geometrischen Eigenschaften zu optimieren. In einem aktiven Lernschema werden die vorhergesagten Designs durch mikromagnetische Simulationen validiert und als Trainingsdaten in das neuronale Netzwerk zurückgeführt.

Letztendlich wird das generative neuronale Netzwerk für die inverse Gestaltung von Hochleistungs-, Seltenen Erden-reduzierten permanenten Magneten neue Richtlinien für die Herstellung umweltfreundlicher permanenter Magnete für nachhaltige Technologien bieten.

Vom 15. bis 18. September 2024 fand in Graz, Österreich, das 21. Internationale IGTE-Symposium 2024 zu Computational Methods in Electromagnetics and Multiphysics statt. Markus Gusenbauer nahm am Minisymposium zu Micro-to Macroscopic Hysteresis Modeling teil und hielt einen Vortrag mit dem Titel "Machine Learning-Enhanced Modelling of Large Magnetic Systems". Er demonstrierte die Machbarkeit des Einsatzes von maschinellem Lernen zur Untersuchung experimentell gemessener Materialproben. Durch die Überwindung der Längenskalenbeschränkungen mikromagnetischer Simulationen können makroskopische Hystereseeigenschaften im Submillimeterbereich gewonnen werden. Die lokale Koerzitivfeldstärke wird mit einem vortrainierten maschinellen Lernmodell vorhergesagt. In Kombination mit berechneten Wechselwirkungsfeldern und einem analytisch bestimmten reversiblen Anteil unter Verwendung des Stoner-Wohlfarth-Modells kann die makroskopische Entmagnetisierungskurve berechnet werden.

©

TU Graz

Vom 27. August bis 6. September 2024 besuchte Heisam Moustafa die European School on Magnetism (ESM) in York, UK welche jährlich von der European Magnetism Association (EMA) organisiert wird. Das Thema der Sommerschule war Magnetism for Energy-Efficient Devices. In den zwei Wochen wurden Kurse zu den Grundlagen, Techniken sowie Funktionen und Anwendungen im Magnetismus angeboten. Des Weiteren gab es Tutorials und eine Poster-Session, bei der Heisam seine Arbeit an Graph-basierten neuronalen Netzen für hartmagnetische Mikrostrukturen ausstellte (Poster).

©

University of York, EMA

Kunst im Magnetismus – Magnetic Art

Unser Beitrag für den MagneticArt-Wettbewerb während der International Conference on Magnetism (ICM) in Bologna wurde unter die Finalisten gewählt und vor Ort am Eingang des Konferenzgebäudes ausgestellt.

Die Collage wurde aus über 200 Bildern zusammengestellt, die hauptsächlich von Kindern gezeichnet wurden, die unseren "AI for Magnetism"-Stand bei der Langen Nacht der Forschung in Österreich besucht haben. Mit einer USB-Kamera und einem maschinellen Lernmodell konnten Besucher ihre eigenen Magnetdesigns mit Filzstiften zeichnen und sofort einschätzen, wie stark der hergestellte Magnet wäre.

Vom 30. Juni bis zum 5. Juli 2024 fand in Bologna, Italien, die International Conference on Magnetism (ICM) statt. Wir präsentierten unsere Arbeit zu Active Learning-assisted Optimization of Magnetic Nanostructures in einer Postersession (Poster). Wir zeigten die Struktur unserer generierten Trainingsdaten, wie wir das Convolutional Neural Network aufgebaut haben und die Fähigkeit, magnetische Eigenschaften aus den Strukturmerkmalen eines Zweiphasenmagneten vorherzusagen. Der Einsatz des Netzwerks als Ersatzmodell für die Optimierung wurde erläutert und die bisher besten Designs diskutiert. Die Bedeutung der integrierten aktiven Lern-Schleife wurde hervorgehoben. Während der Postersessions entstanden interessante Diskussionen, die sich in den Bars von Bologna fortsetzten.

©

ICM2024

Am 26. Juni 2024 veranstalteten wir zusammen mit der MMM-Plattform am WPI einen Workshop zu Maschine learning methods for computational micromagnetism and sustainable magnet design. Acht Teilnehmer stellten ihre aktuellen Arbeiten vor und erläuterten, wie sie maschinelles Lernen nutzen, um ihren Forschungsschwerpunkt voranzutreiben. Nach jedem Vortrag fand eine Diskussion über die Umsetzung, Probleme und mögliche Verbesserungen statt.

Am 24. Mai 2024 fand die Lange Nacht der Forschung an verschiedenen Veranstaltungsorten in Österreich statt. An unserem Forschungsstand in Krems wurde gezeigt, wie mikromagnetische Simulationen und künstliche Intelligenz die Entwicklung umweltfreundlicher, nachhaltiger und kostengünstiger Dauermagnete beschleunigen können (Poster). Die Besucher nahmen aktiv an der Forschung teil, indem sie mit Filzstiften Magnete mit verschiedenen Phasenverteilungen und Kristallstrukturen zeichneten (Poster). Unsere trainierte KI analysierte dann ihre Entwürfe und sagte ihre potenzielle Leistung voraus. In Diskussionen betonten wir die Bedeutung der Magnetforschung für die grüne Energiewende und den Kampf gegen den Klimawandel.

©

Harald Özelt

Ein neuer Artikel mit dem Titel Constraint free physics-informed machine learning for micromagnetic energy minimization wurde am 10. April von Lukas Exl und Sebastian Schaffer veröffentlicht. Darin stellen sie eine neue Methode vor, die phyics-informed neuronale Netze zur Minimierung der freien Gibbs-Energie in mikromagnetischen Simulationen verwendet. Zusätzlich demonstrieren sie ein Modell für konstruktive Festkörpergeometrie, das R-Funktionen verwendet, um die für die Streufeldberechnung erforderlichen Randbedingungen zu erfüllen. Die Methode wurde erfolgreich am NIST µMAG Standardproblem Nr. 3 getestet und kann zur schnellen Berechnung des Entmagnetisierungsprozesses von hartmagnetischen Materialien verwendet werden.

©

Lukas Exl, Sebastion Schaffer

Vom 18. bis 20. Februar 2024 nahm Harald Özelt an einem Workshop zum Thema „Inverse-design magnonics“ teil, der vom Wolfgang Pauli Institut und der Forschungsplattform MMM an der Universität Wien organisiert wurde. Obwohl der Schwerpunkt auf Magnonik lag, bot die Veranstaltung eine ausgezeichnete Gelegenheit, Ideen und Erfahrungen im Bereich maschinelles Lernen, Optimierung und inverses Design über verschiedene Disziplinen hinweg auszutauschen. Harald wurde eingeladen, seine Arbeit zum Inversen Design von Austausch-gekoppelten-Nanostrukturen mit Convolutional Neural Networks vorzustellen.

©

MMM platform, University of Vienna

Am 8. Februar 2024 fand gemeinsam mit unseren Partnern von der MMM-Plattform ein Treffen statt, um den aktuellen Fortschritt des Projekts zu besprechen. Während der Sitzung wurden neue Ideen zur Verbesserung des maschinellen Lerncodes durch Datenvergrößerung entwickelt. Wir überprüften potenzielle Themen für Veröffentlichungen und definierten die erforderlichen Aufgaben. Darüber hinaus wurden alternative Optimierungsschemata unter Verwendung von maschinellem Lernen für Permanentmagneten erörtert. Ein weiterer Schwerpunkt der Diskussion lag darauf, wie die Fähigkeit des Modells verbessert werden kann, Designs weit außerhalb seines bekannten Designraums zu entdecken.

©

Harald Özelt

Am 22. September 2023 haben wir im Rahmen des Forschungsfest Niederösterreich 2023 mehrere Workshops für Schulklassen veranstaltet. In den kostenfreien Workshops mit dem Titel "Magnetism in Motion: Hands-on Electric Motor Workshop" konnten Schülerinnen und Schüler nicht nur etwas über die Rolle starker Magneten in Elektromotoren und Generatoren erfahren, sondern auch ihren eigenen einfachen Elektromotor bauen.

©

(c) Abteilung Wissenschaft und Forschung, Land Niederösterreich

Am 13. September 2023 laden wir Sie herzlich zu einer IEEE Distinguished Lecture 2023 von J. Ping Liu ein. Er ist IEEE Fellow an der University of Texas in Arlington, USA und wird über “ Magnetic Hardening in Low-Dimensional Ferromagnets” sprechen.

©

(c) IEEE

Am 17. Juli 2023 wurde auf scilog, dem Magazin des Wissenschaftsfonds FWF, ein Interview mit Harald Özelt veröffentlicht. Der Artikel befasst sich mit der Anwendung von künstlicher Intelligenz zur Optimierung starker Magnete für die Energiewende. Harald erläutert das Ziel des Teams, die Abhängigkeit von Seltenen Erden zu verringern und gleichzeitig die Leistung von Magneten für Elektromotoren und Generatoren zu verbessern. Das Interview hebt Haralds zwei Projekte hervor, DeNaMML und DataMag, die die Nanostruktur einzelner magnetischer Körner und ihre Wechselwirkungen in magnetischen Systemen mit verschiedenen chemischen Zusammensetzungen untersuchen. Der Artikel fand auch bei anderen Zeitungen und Plattformen wie ORF, APA, Die Presse, Bild, Jungfrauzeitung, Studium.at, Salzburger Nachrichten, Nau.ch Beachtung und wurde in verschiedenen Versionen veröffentlicht. Das Forschungsteam bedankt sich beim Österreichischen Wissenschaftsfonds für die Bereitstellung einer Plattform zur Präsentation ihrer Forschung.

Heisam Moustafa besuchte vom 19. bis 23. Juni 2023 die 16th Madrid UPM Machine Learning and Advanced Statistics Summer School (MLAS), hier besuchte er die Kurse 'Bayesian Networks' und 'Neural Networks and Deep Learning'. Beide Kurse dienen dazu, das Wissen in den genannten Bereichen mittels Theorie und auch Anwendungsbeispielen zu vertiefen. Dieses findet seinen Einsatz im Entwickeln von ML-Methoden für das Magnetdesign.

©

Universidad Politécnica de Madrid

Vom 4. bis 7. Juni 2023 fand das 13th International Symposium on Hysteresis Modeling and Micromagnetics (HMM 2023) statt. Harald Özelt moderierte die Session mit dem Thema "Machine learning" und stellte den Teilnehmern den aktuellen Stand des Projekts anhand eines Posters vor. Es wurde erklärt wie ein Convolutional Neural Network erzeugt und mit Simulationsdaten trainiert wurde. Als nächster Schritt wurde gezeigt, dass dieses Modell in einer Optimierungsschleife verwendet werden kann, um bessere Verteilungen von magnetisch harten und weichen Phasen zu finden. Da auch die Projektpartner der MMM Plattform der Universität Wien, Lukas Exl und Sebastian Schaffer an der Konferenz teilnahmen, wurden die Abendstunden für eine ausgiebige Projektbesprechung genutzt.

H. Oezelt, et al., "Machine learning based optimization of hard-/soft magnetic nanostructures", 13th International Symposium on Hysteresis Modeling and Micromagnetics, Vienna, Austria. Poster presentation, June 2023, doi: 10.13140/RG.2.2.17787.49445.

©

Photographer: Matthias Heisler

Vom 15. bis 19. Mai 2023 fand die IEEE International Magnetics Conference INTERMAG 2023 in Sendai (Japan) statt. Unter dem Titel "Convolutional neural networks to predict properties of magnetic nanostructures" präsentierte Harald Özelt die aktuellen Projektergebnisse. In seinem Vortrag und erklärte, wie ein Convolutional Neural Network (CNN) mit Daten aus mikromagnetischen Simulationen von hart- und weichmagnetischen Phasenverteilungen trainiert wurde. Während die Simulationen mehrere Stunden benötigen um Koerzitivfeld, die Remanenz oder das Energiedichteprodukt von Permanentmagneten mit bestimmter Phasenverteilung zu berechnen, kann das neuronale Netz diese Eigenschaften in Sekunden vorhersagen.

Mitte April 2023 startete Heisam Moustafa als Doktorand in unserem Zentrum und arbeitet seither an mikromagnetischen Simulationen, Modellen reduzierter Ordnung und neuronalen Netzen. Heisam hat zuvor an der Universität Bremen den Master of Science in Space Engineering abgeschlossen und bei der Firma ZARM TECHNIK AG im Bereich Magnetismus und Strukturdesign gearbeitet.

Im April 2023 wurde ein Artikel im Journal of Magnetism and Magnetic Materials veröffentlicht indem physics-informed neural networks (PINN) für mikromagnetische Gleichungen vorgestellt werden. Darin werden unter anderem Optimierungsmethoden höherer Ordnung für das Training dieser Netzwerke untersucht. Der Fokus wurde auf die Reduktion von erforderlichen Computerressourcen gelegt indem dem Netzwerk zusätzliche physikalische Parameter über einzelne Netzwerke mit wenigen Parametern zugeführt werden. Der Artikel ist als Open-Access Publikation für alle Leser uneingeschränkt verfügbar.

©

Elsevier

S. Schaffer et al., “Physics-informed machine learning and stray field computation with application to micromagnetic energy minimization,” Journal of Magnetism and Magnetic Materials, vol. 576, p. 170761, Jun. 2023, doi: 10.1016/j.jmmm.2023.170761.

Am 11. April 2023 wurde im Magazin für Wissen und Weiterdenken der Universität für Weiterbildung Krems namens upgrade ein Artikel zu "Magnete für die Energiewende" veröffentlich. Im Interview erzählt Harald Özelt sowohl über die Notwendigkeit magnetische Materialien zu erforschen als auch über seinen Werdegang und Forschungsalltag. Der Artikel kann in der Ausgabe 1.23 mit dem Schwerpunkt Simulieren & Messen ab Seite 46 nachgelesen werden.

Am 17. November 2022 fand das Kickoff-Meeting beim Projektpartner an der Universität Wien statt. Teilnehmer waren Lukas Exl, Sebastian Schaffer von der MMM Platform und Harald Özelt und Thomas Schrefl von der UWK. Die ersten Schritte zur Erstellung und Austausch von Trainingsdaten wurden festgelegt. Vorteilhafte Implementierungen von neuronalen Netzen und Frameworks wurden besprochen.

Am 13. Juli 2022 wurde im Rahmen der Jungen Uni am Campus Krems ein Workshop für Kinder zwischen 10 und 13 Jahren abgehalten. Nach einem Vortrag über Permanentmagnete und Elektromotoren konnten die Teilnehmer selbst einen einfachen Elektromotor herstellen. In einem weiteren kurzen Vortrag wurde gezeigt, wie durch einfache Simulation die Leistung ihrer Motoren verbessert werden kann.

©

Atelier Schulte

©

Atelier Schulte

Bereits vor Projektstart wurde bei der Langen Nacht der Forschung 2022 am 20. Mai 2022 die Wichtigkeit von starken Permanentmagneten für zukünftige grüne Technologien für die Energiewende der Öffentlichkeit kommuniziert. Bei einer Mitmachstation konnten die Besucher in einfachen Experimenten selbst erleben wie starke NdFeB Magnete die Leistung von Elektromotoren beeinflussen. In den begleitenden Gesprächen und der Posterpräsentation wurde der Anteil kritischer Elemente thematisiert und wie durch Simulation und maschinelles Lernen dieser reduziert werden kann.