Thomas Schrefl

Projekte (Auszug Forschungs­datenbank)

Laufende Projekte

Magnetic Multiscale Modelling Suite

Projektzeitraum: 01.01.2024–31.12.2027
Projektverantwortung (Universität für Weiterbildung Krems): Thomas Schrefl
Fördergeber: EU

Zu Favoriten hinzufügen

Multi-property Compositionally Complex Magnets for Advanced Energy Applications

Projektzeitraum: 01.06.2023–31.05.2026
Projektverantwortung (Universität für Weiterbildung Krems): Thomas Schrefl
Fördergeber: EU

Zu Favoriten hinzufügen

Entwicklung phänomenologischer Ansätze für die Modellierung und Simulation der mechanischen Eigenschaften polykristalliner magnetischer Materialien

Projektzeitraum: 01.04.2023–31.03.2025
Projektverantwortung (Universität für Weiterbildung Krems): Thomas Schrefl
Fördergeber: EU

Zu Favoriten hinzufügen

Resilient and sustainable critical raw materials REE supply chains for the e-mobility and renewable energy ecosystems and strategic sectors

Projektzeitraum: 01.07.2022–30.06.2026
Projektverantwortung (Universität für Weiterbildung Krems): Thomas Schrefl
Fördergeber: EU

Zu Favoriten hinzufügen

Magnet design through physics informed machine learning

Projektzeitraum: 01.09.2020–31.08.2027
Projektverantwortung (Universität für Weiterbildung Krems): Thomas Schrefl
Fördergeber: Private (Stiftungen, Vereine etc.)

Zu Favoriten hinzufügen

Highly-localized, non-invasive magnetic sensing of multiferroic probes enabled by novel AFM-based characterization tools

Projektzeitraum: 01.01.2019–31.12.2021
Projektverantwortung (Universität für Weiterbildung Krems): Thomas Schrefl
Fördergeber: FFG
Förderprogramm: Produktion der Zukunft

Zu Favoriten hinzufügen

Abgeschlossene Projekte

Simumag - GFF Horizon Europe Anbahnungsfinanzierung

Projektzeitraum: 01.01.2022–30.03.2022
Projektverantwortung (Universität für Weiterbildung Krems): Thomas Schrefl
Fördergeber: Bundesländer (inkl. deren Stiftungen und Einrichtungen)

Zu Favoriten hinzufügen

High Performance Fan

Projektzeitraum: 01.03.2018–28.02.2022
Projektverantwortung (Universität für Weiterbildung Krems): Thomas Schrefl
Fördergeber: EU
Förderprogramm: Horizon 2020

Zu Favoriten hinzufügen

Nanostructured multiphase permanent magnets

Projektzeitraum: 01.04.2019–31.12.2020
Projektverantwortung (Universität für Weiterbildung Krems): Thomas Schrefl
Fördergeber: sonstige öffentlich-rechtliche Einrichtungen (Körperschaften, Stiftungen, Fonds)

Zu Favoriten hinzufügen

Atomistic Simulation of rare-earth reduced permanent magnets

Projektzeitraum: 01.11.2017–31.12.2019
Projektverantwortung (Universität für Weiterbildung Krems): Thomas Schrefl
Fördergeber: Unternehmen

Zu Favoriten hinzufügen

NOVel, critical materials free, high Anisotropy phases for permanent MAGnets, by design

Projektzeitraum: 01.04.2016–30.09.2019
Projektverantwortung (Universität für Weiterbildung Krems): Thomas Schrefl
Fördergeber: EU
Förderprogramm: H2020

Zu Favoriten hinzufügen

Vicom Multiscale simulations of magnetic nanostructures

Projektzeitraum: 01.01.2015–30.06.2019
Projektverantwortung (Universität für Weiterbildung Krems): Thomas Schrefl
Fördergeber: FWF
Förderprogramm: FWF

Zu Favoriten hinzufügen

Nanostructured multiphase permanent magnets

Projektzeitraum: 01.04.2018–31.03.2019
Projektverantwortung (Universität für Weiterbildung Krems): Thomas Schrefl
Fördergeber: Sonstige

Zu Favoriten hinzufügen

NanoStructured Multiphase Permanent Magnets

Projektzeitraum: 01.04.2017–31.03.2018
Projektverantwortung (Universität für Weiterbildung Krems): Thomas Schrefl
Fördergeber: andere internationale Organisationen

Zu Favoriten hinzufügen

CREST III Simulation of hard magnet magnetic materials

Projektzeitraum: 01.04.2016–31.03.2017
Projektverantwortung (Universität für Weiterbildung Krems): Thomas Schrefl
Fördergeber: andere internationale Organisationen
Förderprogramm: CREST

Zu Favoriten hinzufügen

Nano-Structured Multi-Phase Permanent Magnets II

Projektzeitraum: 01.04.2016–31.03.2017
Projektverantwortung (Universität für Weiterbildung Krems): Thomas Schrefl
Fördergeber: andere internationale Organisationen

Zu Favoriten hinzufügen
Mehr laden
von

Publikationen (Auszug Forschungs­datenbank)

Moustafa, H.; Kovacs, A.; Fischbacher, J.; Gusenbauer, M.; Ali, Q.; Breth, L.; Hong, Y.; Rigaut, W.; Devillers, T.; Dempsey, N. M.; Schrefl, T.; Özelt, H. (2024). Reduced Order Model for Hard Magnetic Films. AIP Advances, Vol. 14, iss. 2: 025001-1 bis 025001-5

Breth, L.; Fischbacher, J.; Kovacs, A.; Özelt, H.; Schrefl, T.; Brückl, H.; Czettl, C.; Kührer, S.; Pachlhofer, J., Schwarz, M. (2023). FORC diagram features of Co particles due to reversal by domain nucleation. Journal of Magnetism and Magnetic Materials 571 (2023) 170567 Available online 24 February 2023 0304-8853/© 2023 Elsevier B.V. All rights reserved.Contents lists available at ScienceDirect Journal of Magnetism and Magnetic Materials, Vol. 571: 1-6

Breth, L.; Schrefl, T.; Fischbacher, J.; Oezelt, H.; Kovacs, A.; Czettl, C.; Pachlhofer, J.; Schwarz, M.; Brueckl, H. (2023). Micromagnetic simulations as a tool for bottom-up explainability of FORC diagrams. Proceedings in AIM IEEE Advances in Magnetics 2023, Vol. 1: 1

Kovacs, A.; Fischbacher, J.; Oezelt, H.; Kornell, A.; Ali, Q.; Gusenbauer, M.; Yano, M.; Sakuma, N.; Kinoshita, A.; Shoji, T.; Kato, A.; Hong, Y.; Grenier, S.; Devillers, T.; Dempsey, N. M.; Fukushima, T.; Akai, H.; Kawashima, N.; Miyake, T.; Schrefl, T. (2023). Physics-Informed Machine Learning Combining Experiment and Simulation for the Design of Neodymium-Iron-Boron Permanent Magnets with Reduced Critical-Elements Content. Frontiers in Materials 2023, Vol. 9: 1-19

Okabe, R.; Li, M.; Iwasaki, Y.; Regnault N.; Felser, C.; Shirai, M.; Kovacs, A.; Schrefl, T.; Hirohata, A. (2023). Materials Informatics for the Development and Discovery of Future Magnetic Materials. IEEE Magnetics Letters, vol. 14: 1-5

Schaffer, S.; Schrefl, T.; Oezelt, H.; Kovacs, A.; Breth, L.; Mauser, N.J.; Suess, D.; Exl, L. (2023). Physics-informed machine learning and stray field computation with application to micromagnetic energy minimization. Journal of Magnetism and Magnetic Materials, 576: 170761

Yamano, H.; Kovacs, A.; Fischbacher, J.; Danno, K.; Umetani, Y.; Shoji, T.; Schrefl, T. (2023). Efficient optimization approach for designing power device structure using machine learning. Japanese Journal of Applied Physics, Vol. 1: 1-17

Zhao, P.; Gusenbauer, M.; Oezelt, H.; Wolf, D.; Gemming, T.; Schrefl, T.; Nielsch, K.; Woodcock, T. G. (2023). Nanoscale chemical segregation to twin interfaces in t -MnAl-C and resulting effects on the magnetic properties. Journal of Materials Science & Technology, Vol. 134: 22-32

Ali, Q.; Fischbacher, J.; Kovacs, A.; Oezelt, H.; Gusenbauer, M.; Yano, M.; Sakuma, N.; Kinoshita, A.; Shoji, T.; Kato, A.; Schrefl, T. (2023). Benchmarking for systematic coarse-grained micromagnetics. In: HMM, proceedings in 13th International Symposium on Hysteresis Modeling and Micromagnetics (HMM 2023): 1, HMM, WIen

Fischbacher, J.; Schrefl, T.; Moraes, I.; Dempsey, N. (2023). Micromagnetic modelling of soft-in-hard FeCo-FePt nanocomposites. In: HMM, proceedings in 13th International Symposium on Hysteresis Modeling and Micromagnetics (HMM 2023): 1, HMM, Wien

Gusenbauer, M.; Oezelt, H.; Kovacs, A.; Fischbacher, J.; Zhao, P.; Woodcock, T.-G.; Schrefl, T. (2023). Magnetization reversal of large granular magnetic materials. In: HMM, proceedings in 13th International Symposium on Hysteresis Modeling and Micromagnetics (HMM 2023): 1, HMM, Wien

Hrushko, O.; Schrefl, T. (2023). Some approaches for estimating thermal residual stresses in a polycrystalline Nd2Fe14B magnet. In: HMM, proceedings in 13th International Symposium on Hysteresis Modeling and Micromagnetics (HMM 2023): 1, HMM, Wien

Kovacs, A.; Fischbacher, J.; Oezelt, H.; Ali, Q.; Gusenbauer, M.; Schrefl, T. (2023). Finite Hex Element Adaptive Mesh Refinement of Demagnetizing Field Computation. In: HMM, proceedings in 13th International Symposium on Hysteresis Modeling and Micromagnetics (HMM 2023): 1, HMM, Wien

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

Wager, C.; Kovacs, A.; Schrefl, T. (2023). Active Learning Scheme vs Conventional Optimization - developing a Python Framework. In: HMM, proceedings in 13th International Symposium on Hysteresis Modeling and Micromagnetics (HMM 2023): 1, HMM, Wien

Ali, Q.; Fischbacher, J.; Kovacs, A.; Oezelt, H.; Gusenbauer, M.; Moustafa, H.; Böhm, D.; Breth, L.; Schrefl, T. (2023). Defect Manipulation for the Coercivity Enhancement of Nd-Fe-B Permanent Magnets. SSRN, 2023: 4628986, Elesevier

Breth, L.; Fischbacher, J.; Kovacs, A.; Oezelt, H.; Schrefl, T.; Czettl, C.; Kuehrer, S.; Pachlhofer, J.; Schwarz, M.; Weirather, T.; Brueckl, H. (2023). Structural and micromagnetic modeling of the magnetic binder phase in WC-Co cemented carbides. IEEE International Magnetic Conference - Short Papers, 2023: https://doi.org/10.1109/INTERMAGShortPapers58606.2023.10304872

Heistracher, P.; Abert, C.; Bruckner, F.; Schrefl, T.; Suess, D. (2022). Proposal for a micromagnetic standard problem: domain wall pinning at phase boundaries. Journal of Magnetism and Magnetic Materials, Vol. 548: 168875

Kovacs, A.; Exl, L.; Kornell, A.; Fischbacher, J.; Hovorka, M.; Gusenbauer, M.; Breth, L.; Oezelt, H.; Yano, M.; Sakuma, N.; Kinoshita, A.; Shoji, T.; Kato, A.; Schrefl, T. (2022). Conditional physics informed neural networks. Communications in Nonlinear Science and Numerical Simulation, Vol. 104: 106041

Kovacs, A.; Exlc, L.; Kornell, A.; Fischbacher, J.; Hovorka, M.; Gusenbauer, M.; Breth, L.; Oezelt, H.; Praetorius, D.; Suess, D.; Schrefl, T. (2022). Magnetostatics and micromagnetics with physics informed neural networks. Journal of Magnetism and Magnetic Materials, Vol. 548: 168951

Mehr laden
von

Vorträge (Auszug Forschungs­datenbank)

MATERIALS INFORMATICS FOR PERMANENT MAGNET DESIGN

The 4th DXMaG Seminar, 06.12.2023

Materials informatics for permanent magnet design

Materials Innovation Strategy Symposium 2023, 05.12.2023

Modelling Magnets: From Atoms to Bulk Properties

Biomagnetic Sensing Seminar, 16.11.2023

Spotting the next big idea

68th Annual Conference on Magnetism and Magnetic Materials, 02.11.2023

Talking about magnets – information retrieval with large language models

68th Annual Conference on Magnetism and Magnetic Materials, 31.10.2023

The coercivity of permanent magnets: Insights from micromagnetics and machine learning

Physics of Magnetism 2023, 30.06.2023

Magnetization reversal of large granular magnetic materials

HMM 2023, 05.06.2023

Multiscaling strategies in computational magnet design

Going Green – CARE INNOVATION 2023, 11.05.2023

Generative deep learning for permanent magnet microstructures

67th Annual Conference on Magnetism and Magnetic Materials (MMM 2022), 03.11.2022

How to Create an Effective Scientific Video Presentation

67th Annual Conference on Magnetism and Magnetic Materials (MMM 2022), 02.11.2022

Materials Informatics for the Design of Rare-Earth Reduced Permanent Magnets

Magnetic Materials and Applications 22, 26.10.2022

Magnetization processes in SmFeO3

DPG Frühjahrstagung, 06.09.2022

Machine Learning Analysis of Multiphase Magnetic Microstructures

CIMTEC 2022, 23.06.2022

Physics informed neural networks for computational magnetism

MMM-Intermag 2022, 10.01.2022

Inverse design of Nd-substituted permanent magnets

Physics and the green economy, 25.11.2021

Tutorial: An introduction to machine learning for solving micromagnetic problems

The 2021 Around-the-Clock Around-the-Globe Magnetics Conference, 24.08.2021

Deep learning magnetization dynamics

IEEE Advances in Magnetism 2021, 16.06.2021

New trends for machine learning in permanent magnet design

The 26th International Workshop on Rare Earth and Future Permanent Magnets and Their Application, 10.06.2021

Machine Learning for Relating Structure and Coercivity of Permanent Magnets

Virtual REPM 2021, 09.06.2021

Machine learning, micromagnetics and magnet design

University of York, Computational Magnetism, 02.12.2020

Mehr laden
von
Zum Anfang der Seite