Быстрый рост числа электромобилей требует создания более эффективных электродвигателей, но ключевой проблемой остаются потери на перемагничивание, известные как гистерезисные потери. Это происходит, когда магнитные поля внутри двигателя многократно меняют направление, превращая энергию в тепло в сердечнике, изготовленном из мягких магнитных материалов. Высокие рабочие температуры могут частично размагничивать эти материалы, ещё больше усугубляя проблему энергопотерь.
Основная причина этих эффектов — поведение магнитных доменов, крошечных магнитных областей внутри материалов. Их расположение и структура сильно влияют на то, как магнитные материалы реагируют на тепло и сколько энергии теряется во время работы. Некоторые мягкие магнитные материалы содержат сложные структуры, называемые лабиринтовыми доменами, которые могут резко меняться при изменении температуры, но учёным долго не удавалось полностью их понять из-за взаимосвязи структуры, тепловых эффектов и энергетической стабильности.
Чтобы решить эту задачу, исследователи из Токийского университета наук под руководством профессора Масато Котсуги и доктора Кена Масузавы разработали новую модель под названием eX-GL (энтропийно-расширенная модель Гинзбурга-Ландау). Они использовали её для изучения энергетического ландшафта лабиринтовых доменов в образце редкоземельного железного граната. Сначала команда получила микроскопические снимки магнитных доменов при разных температурах, затем с помощью персистентной гомологии и машинного обучения определила ключевые закономерности и создала цифровой ландшафт свободной энергии.
Исследователи выявили доминирующую особенность — РС1, связанную с процессом перемагничивания, и визуализировали четыре основных энергетических барьера, которые влияют на динамику перемагничивания. Оказалось, что сложность лабиринтовых доменов растёт с увеличением длины доменных стенок благодаря взаимодействию энтропии и обменных сил. Этот подход, как отметил профессор Котсуги, автоматизирует интерпретацию сложных процессов перемагничивания и может быть распространён на другие магнитные системы, открывая путь к созданию более эффективных электродвигателей.
Источник: AI reveals the invisible magnetic chaos wasting energy inside electric motors