Un nouveau modèle basé sur l'IA expose comment les modèles complexes de domaines magnétiques façonnent la perte d'énergie dans les moteurs électriques.
L’augmentation rapide de l’utilisation des véhicules électriques a attiré une nouvelle attention sur un défi clé : l’efficacité avec laquelle les moteurs électriques convertissent l’énergie. L’une des principales sources de perte d’énergie dans ces moteurs est la perte de fer, également appelée perte par hystérésis magnétique. Cela se produit lorsque les champs magnétiques changent de direction de manière répétée à l’intérieur du noyau du moteur, qui est constitué de matériaux magnétiques doux.
Ces moteurs fonctionnent également à des températures élevées, où la chaleur peut affaiblir partiellement la magnétisation et rendre les pertes d'énergie plus difficiles à contrôler. Dans le même temps, la disposition des domaines magnétiques (minuscules régions magnétiques) au sein de ces matériaux joue un rôle majeur dans la détermination de leur comportement, notamment de leur réaction à la chaleur et de la quantité d’énergie qu’ils perdent.
Les domaines magnétiques peuvent prendre une large gamme de structures. Dans certains matériaux magnétiques doux, ils forment des motifs complexes en zigzag appelés domaines de labyrinthe. Ces modèles changent de manière complexe à mesure que la température change, et ces changements peuvent fortement influencer la perte d’énergie.
Cependant, l’étude de ces structures est difficile. Les modèles existants ont du mal à donner une image complète car de nombreux facteurs sont impliqués, notamment la structure interne du matériau, les effets thermiques et la stabilité énergétique globale.
Une nouvelle approche de modélisation
Pour surmonter ces défis, une équipe dirigée par le professeur Masato Kotsugi et le Dr Ken Masuzawa dua travaillé avec des chercheurs de l'Université de Tsukuba, de l'Université d'Okayama et de l'Université de Kyoto. Ils ont développé un nouveau modèle appelé cadre Entropy-feature-eXtended Ginzburg-Landau (eX-GL).
Les chercheurs ont utilisé ce modèle pour explorer le paysage énergétique des domaines labyrinthiques dans un grenat de fer de terres rares (RIG). "Les simulations conventionnelles simplifient à l'extrême les matériaux réels, tandis que les expériences révèlent la complexité sans un moyen clair de quantifier les causes et les effets", explique le professeur Kotsugi. «Notre explicable basé sur la physiqueintelligence artificielleLe cadre aborde ces limitations et est conçu pour expliquer de manière mécaniste le processus d’inversion de la magnétisation dépendant de la température.
Leurs conclusions ont été publiées dansRapports scientifiques.
Des images aux paysages énergétiques
Pour étudier l’évolution de la magnétisation avec la température, l’équipe a capturé des images microscopiques des domaines magnétiques de l’échantillon RIG à différentes températures. Ces images ont servi d'entrée pour le modèle eX-GL.
Le processus commence par l'homologie persistante (PH), une méthode qui détecte des modèles dans des données complexes, afin d'identifier les variations structurelles dans les images du domaine. L’apprentissage automatique est ensuite utilisé pour mettre en évidence les caractéristiques les plus importantes de ces données. Ces informations sont utilisées pour créer un paysage énergétique numérique gratuit qui suit l'évolution des structures de domaine à mesure que l'énergie change.
Enfin, l’analyse mathématique relie ces modèles microscopiques au comportement de magnétisation à grande échelle.
Principales conclusions et barrières énergétiques
Grâce à cette méthode, les chercheurs ont identifié une caractéristique clé appelée PC1 qui représente le processus d'inversion de la magnétisation. En reliant PC1 aux propriétés physiques, ils ont découvert quatre barrières énergétiques majeures qui façonnent la façon dont la magnétisation change.
Une analyse détaillée de ces barrières a montré comment différentes formes d’énergie interagissent au cours du processus. L’équipe a mesuré la manière dont l’énergie se déplace entre les interactions d’échange, les effets démagnétisants et l’entropie.
Ils ont également constaté que des murs de domaine plus longs conduisaient à des modèles de labyrinthe plus complexes. Cet effet est dû à l’interaction entre l’entropie et les forces d’échange. Ces informations aident à expliquer comment les domaines du labyrinthe se comportent lors de l’inversion de la magnétisation.
"Notre approche eX-GL automatise efficacement l'interprétation des processus complexes d'inversion de magnétisation et permet l'identification de mécanismes cachés, difficiles à discerner à l'aide des méthodes conventionnelles", explique le professeur Kotsugi. "De plus, l'énergie libre étant une mesure thermodynamique universelle, notre modèle peut être étendu à d'autres systèmes présentant des caractéristiques similaires."
Dans l’ensemble, l’étude fournit une compréhension plus claire du comportement du domaine du labyrinthe et introduit une méthode plus large pour étudier les paysages énergétiques complexes dans les systèmes physiques magnétiques et similaires.
Référence : « Expliquer l'analyse de la structure complexe du domaine magnétique du labyrinthe grâce à l'extension du modèle d'énergie libre de Landau en ajoutant une fonction d'entropie » par K. Masuzawa, AL Foggiatto, S. Kunii, R. Nagaoka, M. Taniwaki, T. Yamazaki, C. Mitsumata, I. Obayashi, Y. Hiraoka et M. Kotsugi.Rapports scientifiques.
DOI : 10.1038/s41598-026-39617-x
Ce travail a été soutenu par une subvention d’aide à la recherche scientifique (A) de la Société japonaise pour la promotion de la science (KAKENHI) (21H04656). Ce travail a été partiellement soutenu par JST-CREST (Grant No. JPMJCR21O1). C. Mitsumata est soutenu par le Centre de recherche Tsukuba pour la science des matériaux énergétiques (TREMS), Université de Tsukuba.
Ne manquez jamais une percée :
Suivez-nous suretGoogle Actualités.
Un nouveau modèle basé sur l'IA expose comment les modèles complexes de domaines magnétiques façonnent la perte d'énergie dans les moteurs électriques.
L’augmentation rapide de l’utilisation des véhicules électriques a attiré une nouvelle attention sur un défi clé : l’efficacité avec laquelle les moteurs électriques convertissent l’énergie. L’une des principales sources de perte d’énergie dans ces moteurs est la perte de fer, également appelée perte par hystérésis magnétique. Cela se produit lorsque les champs magnétiques changent de direction de manière répétée à l’intérieur du noyau du moteur, qui est constitué de matériaux magnétiques doux.
Ces moteurs fonctionnent également à des températures élevées, où la chaleur peut affaiblir partiellement la magnétisation et rendre les pertes d'énergie plus difficiles à contrôler. Dans le même temps, la disposition des domaines magnétiques (minuscules régions magnétiques) au sein de ces matériaux joue un rôle majeur dans la détermination de leur comportement, notamment de leur réaction à la chaleur et de la quantité d’énergie qu’ils perdent.
Les domaines magnétiques peuvent prendre une large gamme de structures. Dans certains matériaux magnétiques doux, ils forment des motifs complexes en zigzag appelés domaines de labyrinthe. Ces modèles changent de manière complexe à mesure que la température change, et ces changements peuvent fortement influencer la perte d’énergie.
Cependant, l’étude de ces structures est difficile. Les modèles existants ont du mal à donner une image complète car de nombreux facteurs sont impliqués, notamment la structure interne du matériau, les effets thermiques et la stabilité énergétique globale.
Une nouvelle approche de modélisation
Pour surmonter ces défis, une équipe dirigée par le professeur Masato Kotsugi et le Dr Ken Masuzawa dua travaillé avec des chercheurs de l'Université de Tsukuba, de l'Université d'Okayama et de l'Université de Kyoto. Ils ont développé un nouveau modèle appelé cadre Entropy-feature-eXtended Ginzburg-Landau (eX-GL).
Les chercheurs ont utilisé ce modèle pour explorer le paysage énergétique des domaines labyrinthiques dans un grenat de fer de terres rares (RIG). "Les simulations conventionnelles simplifient à l'extrême les matériaux réels, tandis que les expériences révèlent la complexité sans un moyen clair de quantifier les causes et les effets", explique le professeur Kotsugi. «Notre explicable basé sur la physiqueintelligence artificielleLe cadre aborde ces limitations et est conçu pour expliquer de manière mécaniste le processus d’inversion de la magnétisation dépendant de la température.
Leurs conclusions ont été publiées dansRapports scientifiques.
Des images aux paysages énergétiques
Pour étudier l’évolution de la magnétisation avec la température, l’équipe a capturé des images microscopiques des domaines magnétiques de l’échantillon RIG à différentes températures. Ces images ont servi d'entrée pour le modèle eX-GL.
Le processus commence par l'homologie persistante (PH), une méthode qui détecte des modèles dans des données complexes, afin d'identifier les variations structurelles dans les images du domaine. L’apprentissage automatique est ensuite utilisé pour mettre en évidence les caractéristiques les plus importantes de ces données. Ces informations sont utilisées pour créer un paysage énergétique numérique gratuit qui suit l'évolution des structures de domaine à mesure que l'énergie change.
Enfin, l’analyse mathématique relie ces modèles microscopiques au comportement de magnétisation à grande échelle.
Principales conclusions et barrières énergétiques
Grâce à cette méthode, les chercheurs ont identifié une caractéristique clé appelée PC1 qui représente le processus d'inversion de la magnétisation. En reliant PC1 aux propriétés physiques, ils ont découvert quatre barrières énergétiques majeures qui façonnent la façon dont la magnétisation change.
Une analyse détaillée de ces barrières a montré comment différentes formes d’énergie interagissent au cours du processus. L’équipe a mesuré la manière dont l’énergie se déplace entre les interactions d’échange, les effets démagnétisants et l’entropie.
Ils ont également constaté que des murs de domaine plus longs conduisaient à des modèles de labyrinthe plus complexes. Cet effet est dû à l’interaction entre l’entropie et les forces d’échange. Ces informations aident à expliquer comment les domaines du labyrinthe se comportent lors de l’inversion de la magnétisation.
"Notre approche eX-GL automatise efficacement l'interprétation des processus complexes d'inversion de magnétisation et permet l'identification de mécanismes cachés, difficiles à discerner à l'aide des méthodes conventionnelles", explique le professeur Kotsugi. "De plus, l'énergie libre étant une mesure thermodynamique universelle, notre modèle peut être étendu à d'autres systèmes présentant des caractéristiques similaires."
Dans l’ensemble, l’étude fournit une compréhension plus claire du comportement du domaine du labyrinthe et introduit une méthode plus large pour étudier les paysages énergétiques complexes dans les systèmes physiques magnétiques et similaires.
Référence : « Expliquer l'analyse de la structure complexe du domaine magnétique du labyrinthe grâce à l'extension du modèle d'énergie libre de Landau en ajoutant une fonction d'entropie » par K. Masuzawa, AL Foggiatto, S. Kunii, R. Nagaoka, M. Taniwaki, T. Yamazaki, C. Mitsumata, I. Obayashi, Y. Hiraoka et M. Kotsugi.Rapports scientifiques.
DOI : 10.1038/s41598-026-39617-x
Ce travail a été soutenu par une subvention d’aide à la recherche scientifique (A) de la Société japonaise pour la promotion de la science (KAKENHI) (21H04656). Ce travail a été partiellement soutenu par JST-CREST (Grant No. JPMJCR21O1). C. Mitsumata est soutenu par le Centre de recherche Tsukuba pour la science des matériaux énergétiques (TREMS), Université de Tsukuba.
Ne manquez jamais une percée :
Suivez-nous suretGoogle Actualités.
