Neue Magnete für saubere Mobilität und Strom

Hochleistungsmagnete spielen eine entscheidende Rolle bei grünen Technolo­gien wie nachhaltiger Energieerzeugung und sauberem Transport. Die Klimapolitik beeinflusst daher die Nachfrage nach kritischen Materialien. Um dem Versor­gungsrisiko mit seltenen Erden zu begeg­nen, werden Magnete entwickelt, die auf schwere Seltenerdelemente wie Terbium und Dysprosium verzichten und einen reduzierten Neodym-Anteil aufweisen.

Permanentmagnete sind eine Schlüssel­technologie für die moderne Gesellschaft. Eingesetzt in Klimaanlagen, Elektrofahrrädern, Windkraftanlagen, Hybrid- und Elektroautos sowie Festplattenlauf­werken und Schallwandlern sind sie aus dem Alltag kaum wegzu­denken. Grüne Technologieanwendungen, etwa in den Bereichen Mobilität und Energieerzeugung, lassen den Bedarf an Permanent­magneten weiter steigen. Um diesen decken zu können, zielt das Projekt auf die Entwicklung preiswerter Magnete ohne kritische Elemente – die seltenen Erden – ab.

Das Christian Doppler (CD)-Labor setzt im Bereich Materialentwicklung und -design auf Künstliche Intelligenz, maschinelles Lernen, neuronale Netze und Big Data. All diese Zukunftsthemen sind von hoher Bedeutung für den europäischen Forschungsraum, wo nun neues Wissen geschaffen wird und junge Forschende den Umgang mit diesen Technologien lernen. So werden neben neuen Magnetdesigns auch Methoden des maschi­nellen Lernens entwickelt.

Simulation der Magnetfelder

Mit maschinellen Lernmethoden soll das computergestützte Magnetdesign durch die Integration physikalischer Modelle unterstützt werden. Dabei kommt eine selbstentwickelte Software des Departments für Integrierte Sensorsysteme zum Einsatz. Erst die gemeinsame Rechenleistung vieler parallel arbeitender Computer ermöglicht es, die Magnetisierungsprozesse in Magneten mit spezieller Kornstruktur von Kern-Schale-Körnern zu studieren. Untersucht wird die Kombination verschiedener magnetischer Materialien. Nur in der Schale wird ein kleiner Anteil von den kritischen Seltenen Erden verwendet, während der Kern aus leicht verfügbaren Elementen besteht.

Mit Simulationen des Magnetismus in kleinsten Bereichen berechnen Forschende bestimmte Werte des Magnetfeldes. Diese Daten fließen in ein mathematisches Modell. So wird die Magnetfeldstärke eines Korns mit dessen Größe und Form sowie mit dem Seltenerdgehalt in Verbindung gebracht. Algorithmen helfen dabei, eine optimale Lösungen für Struktur und chemische Zusammensetzung der Magnetmaterialien zu finden, sodass der Magnet den jeweiligen Anforderungen entspricht und nur einen möglichst geringen Anteil an kritischen Materialien enthält.

Christian Doppler Research Laboratory for Magnet Design Through Physics Informed Machine Learning – MagLearn

Projektzeitraum: 2020-2027

Fördergeber: Christian Doppler Forschungsgesellschaft, Bundesministerium für Digitalisierung und Wirtschaftsstandort

Projektverantwortlich: Univ.-Doz. Dipl.-Ing. Dr. Thomas Schrefl

Wissenschaftliche Mitarbeiter: Dipl.-Ing.(FH) Johann Fischbacher, MSc, Dipl.-Ing.(FH) Dr. Markus Gusenbauer, Dr. Harald Özelt, MSc, BSc, Dr. Alexander Kovacs, MSc BSc

Koordination: Universität für Weiterbildung Krems, Department für Integrierte Sensorsysteme

Partner:

National Institute of Advanced Industrial Science and Technology – AIST (Japan); Toyota Motor Corporation (Japan); University of Tokyo, Institute for Solid State Physics (Japan); Wolfgang Pauli Institut Wien (Österreich)