Towards the digital twin of a permanent magnet

Dauermagnete (DM) sind ein wichtiger Bestandteil von Elektromotoren und Generatoren in vielen Anwendungen, von denen die wichtigsten Windturbinen und Hybrid-/Elektrofahrzeuge sind. Das rasche Wachstum dieser Sektoren hat zu einer erhöhten Nachfrage nach Hochleistungs-DM auf Nd-Fe-B-Basis geführt, aber die langfristige Nachhaltigkeit der Nutzung der weltweiten Ressourcen an Seltenen Erden wie Nd und Dy in diesem hohen Maße ist fraglich. Es besteht ein eindeutiger Bedarf an der Entwicklung eines DM ohne Seltene Erden. Ein digitaler Zwilling ist ein Satz von Informationen, der die Struktur und die Eigenschaften eines physischen Objekts vollständig beschreibt. Eine große Herausforderung dabei ist, dass der magnetische Zustand eines Materials nicht nur von seiner physikalischen Struktur und seinen magnetischen Eigenschaften abhängt, sondern auch von seiner magnetischen und thermischen Geschichte. Der digitale Zwilling eines DM hat das Potenzial, eine entscheidende Rolle bei der Entwicklung neuartiger DM und bei der Echtzeitüberwachung der Leistung von DM in Anwendungen zu spielen. Die Gewinnung des digitalen Zwillings eines DM würde daher wichtige Beiträge zur Digitalisierung der Materialwissenschaft, zur ökologischen Nachhaltigkeit, zu sauberer Energie und zur Elektromobilität liefern. In diesem Projekt wird der seltenerdfreie Magnet MnAl-C als Modellsystem verwendet und ein verbessertes mikromagnetisches Modell entwickelt. Fortschrittliche Charakterisierung in Kombination mit magnetischen Messungen und Domänenbildern wird die Grundlage für die Simulationen bilden. Anschließend wird ein maschinelles Lernmodell entwickelt und Datenassimilation eingesetzt, um die Abweichung zwischen vorhergesagten und gemessenen magnetischen Eigenschaften zu verringern. Das trainierte Modell stellt die mikroskalige Komponente des digitalen Zwillings eines MnAl-C-DM dar.

Das Spezialsemester zu Computational Methods for Electric Machines findet vom 6. Oktober bis zum 12. Dezember 2025 am Johann Radon Institut für Computational and Applied Mathematics (RICAM) statt. Vom 24. bis zum 28. November wird ein Workshop zum Thema „Magnetic Material Modelling” (Modellierung magnetischer Materialien) abgehalten. Dario Arifović und Markus Gusenbauer tragen mit der Arbeit mit dem Titel “Feature engineering for twin boundary analysis in MnAl-C” bei.

©

Dario Arifovic

Die 2. Konferenz über Artificial Intelligence in Materials Science and Engineering (AI MSE 2025) findet vom 18. bis 19. November 2025 in Bochum statt. Dario Arifović trägt mit einem Poster zum Thema “Feature engineering for twin boundary analysis in MnAl-C” bei. bei. Das Poster wird sowohl auf der virtuellen Konferenzplattform als auch vor Ort mit einer zusätzlichen Poster Pitch Präsentation vorgestellt.

Das Joint European Magnetic Symposia (JEMS2025) fand vom 24. bis 29. August in Frankfurt statt. Forscher aus aller Welt präsentierten ihre neuesten Ergebnisse.

©

JEMS2025

Dario Arifović hielt einen Vortrag mit dem Titel “Feature importance and relation to defect symmetry in MnAl-C”  und Markus Gusenbauer präsentierte “Micromagnetic simulations of demagnetization processes at intersecting antiphase and true twin boundary in MnAl-C”. 

Im Jahr 2025 werden wir unsere Forschungsergebnisse auf mehreren Konferenzen vorstellen. Wir haben 2 Abstracts für die Joint European Magnetic Symposia (JEMS) 2025 eingereicht, die vom 24. bis 29. August in Frankfurt stattfinden wird. Dario Arifović wird mit seiner Arbeit “Feature importance and relation to defect symmetry in MnAl-C” beitragen und Markus Gusenbauer wird über “Micromagnetic simulations of demagnetization processes at intersecting antiphase and true twin boundary in MnAl-C” sprechen. Vom 18. bis 19. November werden wir einen Beitrag zeigen auf der Conference on Artificial Intelligence in Materials Science and Engineering (AI MSE 2025) in Bochum. Die Arbeit mit dem Titel: “Feature engineering for twin boundary analysis in MnAl-C”  wird von Dario Arifović präsentiert.

Stefan Stanciu präsentiert die Arbeit "Machine Learning assisted interface analysis in MnAl-C" auf dem Materials Science and Engineering Congress 2024 (MSE2024), der vom 24. bis 26. September 2024 in Darmstadt stattfindet. In dieser Studie nutzen wir eine umfassende Datenbank mit Ergebnissen aus zahlreichen Simulationsläufen für eine Vielzahl von kristallographischen Zwillingsszenarien. Unsere Ergebnisse zeigen, dass die Ergebnisse nur dann signifikant abweichen, wenn die Größe des Datensatzes auf weniger als 10% der ursprünglichen Größe reduziert wird. Dies bedeutet, dass es möglich ist, nur einige wenige externe Feldrichtungen in Bezug auf die Zwillingsgrenzfläche zu untersuchen, um eine vollständige Beschreibung der Koerzitivfeldverteilung bestimmter Zwillingsgrenzflächen zu erhalten. Für weitere Details klicken Sie auf die vollständige Kurzbeschreibung.

Unsere aktuellsten Forschungsarbeiten wurden im Journal of Magnetism and Magnetic Materials unter dem Titel: "Micromagnetic study of grain junctions in MnAl-C containing intergranular inclusions" eingereicht. In dieser Arbeit haben wir die Koerzitivkraft in ein- und mehrkörnigen Systemen aus MnAl-C mit eingebetteten paramagnetischen und weichmagnetischen Einschlüssen quantifiziert. Am 3. Juli präsentierten wir die Arbeit  auf der International Conference on Magnetism 2024 (ICM2024) in Bologna.

©

UWK Harald Özelt

Am 24. Mai 2024 von 17:00 bis 23:00 fand die Lange Nacht der Forschung  in ganz Österreich statt. An der Universität für Weiterbildung Krems waren wir mit dem Thema: “Saubere Technologien dank künstlicher Intelligenz: Wer findet den stärksten Magneten?” vertreten. Die Gäste konnten aktiv an der Forschung teilnehmen, indem sie verschiedene Phasenverteilungen und Kristallstrukturen von Magneten zeichneten. Eine von uns trainierte KI wertete die Zeichnungen aus und prognostizierte die Leistung der Magnete. Im Gespräch konnten wir die Notwendigkeit der Magnetfoschung in unterschiedlichsten Fragestellungen für eine nachhaltige und klimafreundliche Energiewende aufzeigen.

©

UWK Markus Gusenbauer