Wetenschappers van de Universiteit van New Hampshire hebben kunstmatige intelligentie ingezet om de zoektocht naar nieuwe magnetische materialen te versnellen. Hun werk heeft geleid tot een omvangrijke database die kan helpen de afhankelijkheid van elektrische auto's en hernieuwbare energie van zeldzame aardelementen te verminderen.
De onderzoekers stelden de Northeast Materials Database samen — een bron met 67 573 magnetische verbindingen. Daaronder bevinden zich 25 nieuwe materialen die hun magnetische eigenschappen bij hoge temperaturen behouden. De database is het resultaat van een analyse van wetenschappelijke artikelen met behulp van AI-modellen.
‘Door de ontdekking van duurzame magnetische materialen te versnellen, kunnen we de afhankelijkheid van zeldzame aardelementen verminderen, elektrische auto's en systemen voor hernieuwbare energie goedkoper maken en de productiebasis van de Verenigde Staten versterken’, aldus hoofdauteur van het onderzoek Suman Itani.
Moderne sterke magneten vereisen vaak zeldzame aardelementen, die duur zijn, grotendeels worden geïmporteerd en moeilijk te winnen zijn. Hoewel duizenden magnetische verbindingen al bekend zijn, zijn uit deze groep tot nu toe geen volledig nieuwe permanente magneten gevonden. Het testen van alle mogelijke combinaties in het laboratorium kost te veel tijd en geld.
Het onderzoek is gepubliceerd in Nature Communications. Het team gebruikte grote taalmodellen om experimentele gegevens uit artikelen te halen en trainde vervolgens modellen om magnetische eigenschappen en de Curietemperatuur te voorspellen. Bij het project waren ook hoogleraar natuurkunde Jiadong Zang en postdoctoraal onderzoeker Yibo Zhang betrokken.
De steun kwam van het Office of Basic Energy Sciences van het Amerikaanse ministerie van Energie. De wetenschappers hopen dat de database en de groeiende AI-technologieën de zoektocht naar duurzame alternatieven werkelijkheid zullen maken.
Het werk opent de weg naar goedkopere en milieuvriendelijkere technologieën voor vervoer en energie. Magneten worden gebruikt in smartphones, medische apparaten, generatoren en elektrische auto's, waardoor de impact van de ontdekking breed kan zijn.
