None
Brief news summary
Les aimants permanents des terres rares sont essentiels dans de nombreuses technologies modernes, mais leur extraction est coûteuse et énergivore. Cependant, les scientifiques ont réalisé une percée en utilisant l'apprentissage automatique pour développer un aimant permanent appelé MagNex, qui ne contient pas d'éléments de terres rares. Produit à un cinquième du coût des aimants permanents classiques, MagNex a également réduit les émissions de carbone de 70%. Le développement de MagNex a été 200 fois plus rapide que les méthodes précédentes, grâce à la capacité du système d'intelligence artificielle à analyser plus de 100 millions d'alliages potentiels. Cette découverte a des implications significatives pour les énergies renouvelables et les transports à faible émission de carbone, car elle élimine le besoin d'éléments de terres rares dans les aimants haute performance. L'utilisation de l'apprentissage automatique dans la recherche sur les matériaux présente de grandes promesses pour l'avenir de l'innovation.Les aimants permanents en terres rares sont présents dans de nombreux aspects de la vie moderne, allant des ordinateurs aux trains à lévitation magnétique, des outils électriques aux scanners IRM. Leur importance ne peut être sous-estimée, car vivre sans eux serait difficile. Néanmoins, l'extraction des éléments de terres rares pour ces aimants est souvent un processus laborieux et énergivore. Les scientifiques ont cherché une méthode améliorée et il semble qu'ils en aient trouvé une avec l'aide d'un algorithme d'apprentissage automatique. Materials Nexus, en collaboration avec des chercheurs de l'Institut Henry Royce et de l'Université de Sheffield, a développé MagNex, un aimant permanent sans terres rares. MagNex serait produit à partir de matériaux ne coûtant qu'un cinquième des aimants permanents normaux. De plus, ce nouvel aimant a réduit les émissions de carbone de 70% (en termes de kilogrammes de CO2 par kilogramme de matériau) par rapport aux aimants permanents en terres rares. L'importance de ces avancées va au-delà des bénéfices immédiats. Les aimants permanents traditionnels étaient fabriqués à partir d'alliages d'éléments de terres rares, un processus qui nécessitait des explorations approfondies et longues pour trouver les bons matériaux.
En revanche, le développement de MagNex, de la conception aux tests, a été 200 fois plus rapide. "Nous sommes ravis que notre collaboration avec Materials Nexus ait conduit à un résultat incroyablement positif", a commenté le professeur Iain Todd FREng, professeur de métallurgie et de traitement des matériaux à l'Université de Sheffield. La combinaison de l'approche de découverte de matériaux basée sur l'IA de Materials Nexus et des capacités avancées de fabrication d'alliages à l'Institut Henry Royce à Sheffield a abouti au développement rapide d'un nouveau matériau magnétique. Cette réalisation illustre le futur prometteur des matériaux et de la fabrication. L'utilisation de l'IA pour exploiter le potentiel des matériaux de nouvelle génération offre de grandes opportunités pour la recherche, l'industrie et la durabilité. Le système d'IA analyse plus de 100 millions de compositions potentielles d'alliages pour identifier ceux ayant les propriétés souhaitées d'un aimant permanent, sans éléments de terres rares, tout en répondant aux exigences de coût et de durabilité. Cette approche présente un potentiel significatif pour la création de nouveaux matériaux. "Cette découverte révolutionnaire, facilitée par un logiciel innovant d'apprentissage automatique, a été rendue possible grâce au financement d'Innovate UK", a déclaré Bruce Adderley, directeur de Make & Use - Net-Zero chez Innovate UK. "Elle a le potentiel d'avoir un impact significatif sur nos ambitions de neutralité carbone, en particulier dans les énergies renouvelables et les transports à faible émission, en éliminant le besoin d'éléments de terres rares dans les aimants permanents haute performance. " Les ordinateurs ont déjà joué un rôle important dans la découverte de nouvelles substances. Aujourd'hui, les algorithmes d'apprentissage automatique et des approches similaires sont utilisés dans des laboratoires, tels que le laboratoire autonome développé à l'Université de Toronto.
Watch video about
None
Try our premium solution and start getting clients — at no cost to you