Durch maschinelles Lernen unterstütztes Hysteresedesign (B13*)

• Fachliche Zuordnung: Computergestütztes Werkstoffdesign und Simulation von Werkstoffverhalten von atomistischer bis mikroskopischer Skala
• Förderung: Förderung seit 2024
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 405553726

Projekt B13 verwendet konventionelle mikromagnetische Simulationen unter Verwendung einer Machine-Learning-unterstützten skalenübergreifenden Modellierung und inversem mikrostrukturbasiertem Hysteresedesign, um lokale Magnetisierungsumkehrprozesse auf der nm-Skala und kollektive Magnetisierungsumkehr in makroskopischen Proben abzubilden. Hochdurchsatz-Mikromagnetismus-Simulationen werden sowohl für synthetisch theoretische als auch für experimentelle digitalisierte Mikrostrukturen (d.h. aus APT-, TEM-, SEM- und EBSD-Messungen) durchgeführt. Für die Mikromagnetismus-Simulationen werden die Dichtefunktionaltheorie und atomistische Spin/Gitter-Dynamikberechnungsmethoden herangezogen, für die die mikrostrukturbezogenen Daten als Input dienen. Das resultierende Machine-Learning-Ersatzmodell ermöglicht eine auf den Rechenaufwand bezogene effiziente Vorhersage des lokalen Umkehrfelds und ermöglicht eine Bewertung der Charakteristika des Phasenübergangs und der makroskopischen Hysterese. Das Projekt B13 arbeitet eng zusammen mit den Projekten A01, A03, A05, A06. A07, B01, B11, B12.

• DFG-Verfahren: Transregios
• Teilprojekt zu: TRR 270: Hysterese-Design magnetischer Materialien für effiziente Energieumwandlung
• Antragstellende Institution: Technische Universität Darmstadt
• Teilprojektleiterinnen / Teilprojektleiter: Professorin Dr.-Ing. Bai-Xiang Xu; Professor Dr. Hongbin Zhang, Ph.D.