Японские физики обучили ИИ предсказывать нагрев электромоторов

Электродвигатели теряют эффективность из-за сложной структуры магнитных доменов, которые хаотично перестраиваются при нагреве. Команда исследователей из Токийского научного университета применила искусственный интеллект, чтобы математически описать этот процесс и впервые визуализировать энергетические барьеры, препятствующие стабильной работе магнитных материалов в электромобилях.

Сердечники моторов страдают от потерь на магнитный гистерезис: при быстрой смене полярности энергия превращается в тепло. Внутри материалов образуются запутанные «лабиринтные» структуры, поведение которых долго оставалось загадкой из-за непредсказуемости их термодинамической перестройки. Традиционное моделирование либо слишком упрощало реальность, либо не давало инструментов для расчета причинно-следственных связей.

Разработанная модель eX-GL объединяет уравнения Гинзбурга — Ландау с топологическим анализом данных. Ученые использовали персистентные гомологии, чтобы перевести микроскопические снимки редкоземельного феррита-граната в цифровые карты свободной энергии. ИИ выделил ключевой параметр PC1, позволивший впервые описать четыре скрытых барьера, управляющих динамикой доменных стенок. Выяснилось, что сложность системы растет лавинообразно из-за тонкого баланса между энтропией и квантовыми обменными силами.

По словам профессора Коцуги, метод полностью автоматизирует интерпретацию перемагничивания. Поскольку свободная энергия универсальна, этот подход применим не только к моторам, но и к любым сложным кристаллическим системам, что открывает путь к созданию более энергоэффективных материалов для высокотехнологичной промышленности.