Seltene Erden in E-Motoren verringern

Schaffen wir klimafreundliche E-Mobilität in Zukunft auch ohne seltene Erden? Das Christian Doppler-Labor für Magnet Design an der Universität für Weiterbildung Krems entwickelt Magnete, die auf schwere Seltenerdelemente wie Terbium und Dysprosium verzichten.

Permanentmagnete und Erden

Permanentmagnete sind eine Schlüsseltechnologie für die moderne Gesellschaft. Eingesetzt in Hybrid- und Elektroautos, Elektrofahrrädern, Klimaanlagen, Windkraftanlagen, oder Festplattenlaufwerken sind sie aus dem Alltag kaum wegzudenken. Grüne Technologieanwendungen, etwa in den Bereichen Energieerzeugung und Mobilität, lassen den Bedarf an Permanentmagneten weiter steigen. Um diesen decken zu können, zielt das Projekt auf preiswerte Magnete ohne kritische Elemente – die seltenen Erden – ab. Eingesetzt werden diese seltene Erden derzeit, weil sie unter anderem die Entmagnetisierung des Magneten aufhalten.

Damit Magnete magnetisch bleiben und gleichzeitig in Zukunft weniger oder gar keine seltenen Erden verwendet werden müssen, setzt das 2020 gegründete Christian Doppler-Labor auf Künstliche Intelligenz sowie dazugehörende Themen wie maschinelles Lernen, neuronale Netze und Big Data. In der Produktion soll so der Einsatz seltener Erden wie Terbium und Dysprosium ersetzt und Neodym stark reduziert werden. Dabei werden neben neuen Magnetdesigns auch Methoden des maschinellen Lernens entwickelt.

Christian Doppler-Forschungslabor for Magnet Design Through Physics Informed Machine Learning

Simulation der Magnetfelder

Mit maschinellen Lernmethoden wird das computergestützte Magnetdesign durch die Integration physikalischer Modelle über alle relevanten Längenskalen hinweg unterstützt. Dabei wird auf einer Software des Departments für Integrierte Sensorsysteme aufgebaut. Durch die Rechenleistung vieler parallel arbeitender Computer ermöglicht diese Software das Studium von Magnetisierungsprozessen auf Basis der kleinsten magnetischen Einheiten, der Kern-Schale-Körner. Deren Eigenschaften werden durch maschinelles Lernen auf die Ebene des gesamten Magneten hochgerechnet.

Mit diesen mikromagnetischen Simulationen berechnen Forschende die zur Entmagnetisierung notwendige Gegenfeldstärke, die Koerzitivfeldstärke. Diese Daten fließen in ein Regressionsmodell. Dieses verknüpft das Koerzitivfeld eines Korns mit dessen Größe und Form sowie mit dem Seltenerdgehalt. Auf der Geräteebene ordnet dieses Modell dann hochkoerzitive und teure Materialien nur Regionen im Magneten zu, die starken Entmagnetisierungsfeldern ausgesetzt sind. Damit kann die Verwendung seltener Erden stark reduziert oder sogar ersetzt werden.

Die Universität für Weiterbildung Krems arbeitet im CD-Labor mit der Toyota Motor Corporation und weiteren Universitäten zusammen. 

Schrefl Thomas
© Universität für Weiterbildung Krems / Andrea Reischer

Über den/die Forscher*In

Univ.-Doz. DI Dr. Thomas Schrefl leitet das CD-Labor for Magnet Design Through Physics Informed Machine Learning. Der Simulationsexperte des in Wiener Neustadt angesiedelten Departments für Integrierte Sensorsysteme der Universität für Weiterbildung Krems pflegt langjährige wissenschaftliche Kontakte zur Forschungsabteilung der Toyota Motor Corporation.