Wissenschaftler des Ames Lab haben einen KI-Workflow entwickelt, um die Entdeckung von Magneten ohne Seltene Erden zu unterstützen (ein Bereich, in dem KI bereits bewiesen hat, dass sie hervorragende Leistungen erbringen kann). Die Pipeline verwendet KI-Modelle, die auf realer Physik und Elektronenverhalten trainiert wurden, statt vorhandener Daten, um fundierte Vermutungen über die speziellen Materialien anzustellen, die für den Bau von Permanentmagneten benötigt werden, die in der Lage sein müssen, die Magnetisierung auch unter extremen Bedingungen wie hohen Temperaturen aufrechtzuerhalten.
Das Ames National Laboratory ist ein nationales Labor des US-Energieministeriums (DOE) und das Projekt ist Teil der Genesis-Mission des DOE. Die offizielle Website des Programms beschreibt es als eine Initiative, die staatliche Ressourcen zusammen mit der Wissenschaft nutzt, mit dem Ziel, KI-Ressourcen zu schaffen, die auf „Durchbrüche in der Energiedominanz, wissenschaftlichen Entdeckungen und der nationalen Sicherheit“ abzielen.
Permanentmagnete sind für diese Mission ideal, da sie häufig in Verteidigungsanwendungen eingesetzt werden, von Radarsystemen und Kampfjets wie der F-35 Lightning II bis hin zu U-Booten und Drohnen. Trotz eines großen Deals mit Apple über den Verkauf der Seltenerdmagnete des Unternehmens verfügen die Vereinigten Staaten derzeit nur über eine Seltenerdmine (in Mountain Pass, Kalifornien) und exportieren mehr als 95 % der abgebauten Mineralien zur Raffinierung nach Asien, was bedeutet, dass eine Lösung ohne Seltenerdmetalle gleichzeitig Sicherheits- und Kostenbedenken ausräumen könnte.
Definierender KI-Durchbruch
Der Durchbruch von Ames Lab basiert auf einem bestehenden KI-Modell namens DuctGPT. DuctGPT wurde ursprünglich entwickelt, um dabei zu helfen, Materialien zu finden, die in Fusionskraftwerken überleben könnten (wie die vom MIT entwickelten supraleitenden Seltenerdmagnete). Dabei handelt es sich um Materialien, die erheblicher Hitze, Strahlung und mechanischer Beanspruchung standhalten, aber dennoch duktil genug sind (d. h. gedehnt und geformt werden können, ohne an Zähigkeit zu verlieren), um zu bearbeitbaren Teilen verarbeitet zu werden. Der wichtigste Fortschritt von DuctGPT besteht darin, dass es eine physikbasierte Modellierung beinhaltet, anstatt nur auf alten Daten zu trainieren.
Dies bedeutet im Wesentlichen, dass KI nicht nur nach Mustern in zuvor gesammelten Daten sucht, sondern die zugrunde liegende Wissenschaft versteht und diese zur Erfindung neuer Materialien nutzen kann. Anstatt anhand einer begrenzten Stichprobe zu raten, verfügt die KI über die Spielregeln und kann nach neuen Materialien suchen, anstatt bekannte zu modifizieren.
Modelle können auch logistische Überlegungen berücksichtigen, beispielsweise die Kosten für die Herstellung dieser Materialien oder die Schwierigkeit, grundlegende Komponenten zu beschaffen. Damit soll sichergestellt werden, dass KI nicht am Ende Ersatzmaterialien vorschlägt, die genauso schwer zu finden sind wie die Seltenen Erden, die sie ersetzen sollen.
Neue Technologie zur Lösung alter Probleme
Die Suche nach einem seltenerdfreien Ersatz für Permanentmagnetmaterialien ist für Ames kein neues Unterfangen. Im April letzten Jahres veröffentlichte das Labor eine Pressemitteilung über einen seltenerdfreien Magneten, den es durch die Kombination von Wismut und Mangan entwickelt hatte. Es wurde speziell für den Einsatz in Permanentmagnetmotoren entwickelt, die Magnete benötigen, die ihre Magnetisierung trotz extremer Temperaturen oder anderer magnetischer Störungen beibehalten können. Den Ames-Wissenschaftlern gelang es, ein Verfahren zu entwickeln, bei dem sie die Kristalle des magnetischen Materials mit einem Polymer beschichteten, das verhinderte, dass sie miteinander in Kontakt kamen, was zu einem kaskadenartigen Magnetisierungsverlust führen könnte.
Die KI-Initiative zielt darauf ab, die Entdeckung von Materialien wie Mangan/Wismut-Verbundwerkstoffen zu beschleunigen und gleichzeitig deren kommerzielle Machbarkeit sicherzustellen. Eine Verringerung der Abhängigkeit von Seltenerdelementen könnte Auswirkungen haben, die weit über die Verteidigung hinausgehen, beispielsweise die Flexibilität der Lieferkette für Sektoren wie erneuerbare Energien, Transport und Unterhaltungselektronik. Materialien, die mithilfe der physikbasierten Modelle von DuctGPT entwickelt wurden, könnten auch die Palette der Materialien erweitern, die Ingenieuren zur Entwicklung von Technologien der nächsten Generation zur Verfügung stehen.