Un nuevo modelo de IA revela el caos magnético en motores eléctricos

El crecimiento explosivo de los vehículos eléctricos ha intensificado la búsqueda de métodos para mejorar la eficiencia energética de los motores eléctricos. Uno de los principales desafíos es la pérdida de energía magnética, conocida como pérdida por histéresis magnética, que ocurre cuando los campos magnéticos dentro del motor invierten repetidamente su dirección. Este proceso genera un desperdicio de energía en forma de calor dentro del núcleo del motor, fabricado con materiales magnéticos suaves. Dado que los motores eléctricos suelen operar a altas temperaturas, los efectos térmicos pueden desmagnetizar parcialmente estos materiales, complicando aún más el problema de la pérdida de energía.

Un factor clave detrás de estos efectos es el comportamiento de los dominios magnéticos, que son pequeñas regiones magnéticas dentro de los materiales. La disposición y estructura de estos dominios afectan fuertemente cómo responden los materiales magnéticos al calor y cuánta energía pierden durante su funcionamiento.

Dominios Magnéticos Complejos

Algunos materiales magnéticos suaves contienen estructuras magnéticas intrincadas llamadas dominios en laberinto, que reciben este nombre por su apariencia zigzagueante. Estos dominios pueden cambiar abruptamente con las variaciones de temperatura, influyendo en la forma en que se pierde energía en el material. Sin embargo, los científicos han tenido dificultades para comprender completamente estas estructuras debido a la complejidad de los factores involucrados, que incluyen la estructura microscópica del material, los efectos térmicos y la estabilidad energética.

Para entender mejor este comportamiento, un equipo de investigadores liderado por el Profesor Masato Kotsugi y el Dr. Ken Masuzawa del Departamento de Ciencia y Tecnología de Materiales de la Universidad de Ciencia de Tokio (TUS), Japón, trabajó con colaboradores de la Universidad de Tsukuba, la Universidad de Okayama y la Universidad de Kioto para desarrollar un nuevo modelo denominado modelo de Ginzburg-Landau extendido por características de entropía (eX-GL). Este enfoque se utilizó para estudiar el paisaje energético de los dominios en laberinto en un granate de hierro de tierras raras (RIG).

"Las simulaciones convencionales simplifican en exceso los materiales reales, mientras que los experimentos revelan complejidades sin una forma clara de cuantificar la causa y el efecto", explicó el Prof. Kotsugi. "Nuestro marco de inteligencia artificial explicativa basado en la física aborda estas limitaciones y está diseñado para explicar mecánicamente el proceso de inversión de magnetización dependiente de la temperatura".

Los hallazgos fueron publicados en la revista Scientific Reports.

IA y Física Revelan Comportamientos Magnéticos Ocultos

Para explorar cómo la temperatura afecta la eliminación de la magnetización en los dominios en laberinto, los investigadores capturaron imágenes microscópicas de los dominios magnéticos en la muestra de RIG a diferentes temperaturas. Estas imágenes fueron analizadas utilizando el modelo eX-GL.

La primera etapa del modelo utiliza la homología persistente (PH), un método matemático sofisticado que identifica características topológicas dentro de los datos. Esto permitió al equipo detectar características estructurales desiguales en las imágenes de los dominios magnéticos. A continuación, se utilizó el reconocimiento de patrones basado en aprendizaje automático para determinar las características más importantes de los datos de PH, produciendo un paisaje digital de energía libre que rastrea cómo evolucionan las microestructuras magnéticas a medida que cambia la energía. Finalmente, se realizó un análisis matemático que vinculó estas estructuras de dominio microscópico con el proceso más amplio de inversión de magnetización.

Utilizando este método, los investigadores identificaron una característica dominante conocida como PC1, que capturó con éxito el proceso de inversión de magnetización. Al conectar PC1 con propiedades físicas, el equipo visualizó cuatro barreras de energía principales que influyen fuertemente en la dinámica de la inversión de magnetización.

Barreras de Energía Ocultas Dentro de Materiales Magnéticos

Un análisis detallado de estas barreras y las microestructuras relacionadas reveló cómo diferentes formas de energía afectan la inversión de magnetización. Los investigadores midieron la transferencia de energía involucrando interacciones de intercambio, efectos de desmagnetización y entropía.

También descubrieron que los dominios en laberinto se vuelven más complejos a medida que aumenta la longitud de las paredes de dominio. Esta creciente complejidad es impulsada por las interacciones entre la entropía y las fuerzas de intercambio. Estos resultados ayudaron a clarificar los mecanismos físicos detrás del comportamiento de inversión de los dominios en laberinto.

"Nuestro enfoque eX-GL automatiza efectivamente la interpretación del complejo proceso de inversión de magnetización y permite la identificación de mecanismos ocultos, difíciles de discernir utilizando métodos convencionales", afirmó el Prof. Kotsugi. "Además, dado que la energía libre es una métrica termodinámica universal, nuestro modelo puede extenderse a otros sistemas con características similares".

En general, el estudio no solo arrojó luz sobre la mecánica de los dominios en laberinto, sino que también introdujo una estrategia más amplia para investigar paisajes energéticos complejos en sistemas magnéticos y otros materiales físicos relacionados.

Esta investigación fue apoyada por un subsidio de la Sociedad Japonesa para la Promoción de la Ciencia (KAKENHI) para la Investigación Científica (A) (21H04656). Un apoyo adicional provino de JST-CREST (Grant No. JPMJCR21O1). C. Mitsumata recibió apoyo del Centro de Investigación de Materiales Energéticos (TREMS) de la Universidad de Tsukuba.