Beschreibung

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.

News

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.

Workshop "Inverse-design-magnonics"
©
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.

meeting
©
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.

Niederösterreichisches Forschungsfest
©
(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.


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.

newspaper.resized


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.

upm
©
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.

HMM 2023 Poster Harald Özelt

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.

HMM 2023
©
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.

Intermag


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.

JMMM
©
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.

upgrade_1_23


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.

Battenberg


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.

ju1
©
Atelier Schulte

ju_2
©
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.

foto_inf

 

Details

Projektzeitraum 01.11.2022 - 30.04.2026
Fördergeber FWF
Förderprogramm
Department

Department für Integrierte Sensorsysteme

Zentrum für Modellierung und Simulation

Projekt­verantwortung (Universität für Weiterbildung Krems) Ing. Dr. Harald Özelt, MSc
Projekt­mitarbeit

Team

Publikationen

Oezelt, H.; Kovacs, A.; Breth, L.; Gusenbauer, M.; Schaffer, S.; Exl, L.; Schrefl. T. (2023). Machine learning based optimization of hard-/soft magnetic nanostructures. In: HMM, proceedings in 13th International Symposium on Hysteresis Modeling and Micromagnetics (HMM 2023): 1, HMM, Wien

Vorträge

Machine learning based optimization of hard-/soft magnetic nanostructures

13th International Symposium on Hysteresis Modeling and Micromagnetics (HMM 2023), 05.06.2023

Convolutional neural networks to predict properties of magnetic nanostructures

IEEE International Magnetics Conference INTERMAG 2023, 19.05.2023

Zum Anfang der Seite