ML-Methoden reduzierter Ordnung für Mikromagnetismus

Dieses Projekt ist der Verbesserung von computergestützten Verfahren zur Simulation von magnetischen Materialien gewidmet, die häufig in grünen Energieanwendungen eingesetzt werden. Tatsächlich werden in vielen umweltfreundlichen Technologien Dauermagnete eingesetzt, z. B. im Generator eines Windkraftwerks oder in den Motoren von Elektrofahrzeugen. Die Transformation zum erhöhten Einsatz grüner Energie ist daher auch mit einem starken Anstieg der Nachfrage nach Dauermagneten und den darin enthaltenen kritischen Materialien, insbesondere den ressourcenkritischen Seltenen Erden, verbunden. Abgesehen von ökonomischen Unsicherheiten, die mit diesen Materialien verbunden sind, führt der umweltbelastende Prozess des Tagebaus zu erheblichen Problemen wie der Verschmutzung des Wassers, der Erzeugung radioaktiver Abfälle und der Störung von Ökosystemen. Um diese Probleme zu vermeiden besteht ein starkes Interesse an der Suche nach nachhaltigen Alternativen, wie etwa Magneten ohne oder mit geringerem Gehalt an Seltenen Erden. Die Entwicklung praktikabler Alternativen ist jedoch eine Herausforderung, da die leistungsfähigsten konventionellen Magnete außergewöhnliche Eigenschaften aufweisen, die sich nur schwer reproduzieren lassen. Hier können Computersimulationen, die auf neuartigen und effektiven (datengesteuerten) Methoden basieren, einen Lösungsansatz bieten. Realistische 3D-Großmodelle lassen sich mit klassischen Ansätzen nur schwer rechnerisch untersuchen, da mehrere Längenskalenebenen und Theorien - von der Quantenmechanik bis zu den Maxwell- Gleichungen - zur Anwendung kommen. Ziel dieses Projekts ist daher die Erweiterung von Methoden des maschinellen Lernens für groß angelegte mikromagnetische 3D- Simulationen von magnetischen Materialien, um die Suche nach weniger kritischen Materialien mit ebenso guten Materialeigenschaften zu fördern. Um dieses Ziel zu erreichen, wird das Team innovative numerische Techniken und niedrig-parametrische Beschreibungen entwickeln, um den Rechenaufwand zu verringern und gleichzeitig Längenskalen effektiv zu überbrücken. Mehrere mathematische Herausforderungen müssen gelöst werden, um konventionelle Techniken mit modernen datengesteuerten Ansätzen zu kombinieren, von der Magnetfeldberechnung und der Optimierung von Algorithmen zur Minimierung der Gesamtenergie und zur Lösung zeitabhängiger Differentialgleichungen bis hin zu physikalisch orientierten Konzepten des maschinellen Lernens. Das Team beabsichtigt, ein umfassendes mikromagnetisches 3D Simulationspaket mit modularem Aufbau zu entwickeln, das auch für die Entwicklung in benachbarten Bereichen der computergestützten Wissenschaften geeignet ist. Das Projekt wird von dem Principal Investigator Doz. Lukas Exl und seinem Team am Wolfgang Pauli Institut mit nationaler Zusammenarbeit an der Donau-Universität Krems und zusätzlicher internationaler Zusammenarbeit mit dem Department of Energy Conversion and Storage an der Technical University of Denmark durchgeführt.