Fraunhofer-Institut für Werkstoffmechanik IWM
Für neuartige, starke Dauermagnete besteht in den Zukunftsbranchen Elektromobilität und Erneuerbare Energien zurzeit eine sehr große Nachfrage. Die aktuell eingesetzten Dauermagnete enthalten die Seltenerdmetalle Neodym und Dysprosium. Die Versorgungssicherheit dieser Elemente wird als kritisch eingestuft, da sie zu 90% aus China importiert werden und ihre Preise am Markt stark schwanken. Wir haben uns die materialwissenschaftliche Aufgabe gestellt, durch Computational-Screening-Simulationen nach neuartigen intermetallischen Phasen mit guten hartmagnetischen Eigenschaften zu suchen. Solche Substitutionsmaterialien sollen möglichst geringe Mengen an Seltenerdmetallen und ansonsten leicht verfügbare, ungiftige und kostengünstige Rohstoffe enthalten. Zur Suche nach SE-freien Materialsubstituten wird die ab-initio-Dichtefunktionaltheorie zur Berechnung magnetischer Kenngrößen für reale und hypothetische Kristallphasen eingesetzt. Mittels materialtheoretischem »High-Throughput Screening« und informationstheoretischem »Data Mining« werden aus Tausenden von Magnetphasen vielversprechende Kandidaten vorhergesagt.
Die am Fraunhofer IWM entwickelte Web-Anwendung MagnetPredictor demonstriert den Nutzen von modernen Machine Learning Methoden für die Vorhersage der magnetischen Eigenschaften von (virtuellen) intermetallischen Verbindungen mit beliebigen chemischen Zusammensetzungen.
