[論文レビュー] Computational Design of the Rare-Earth Reduced Permanent Magnets

Alexander Kovacs, Johann Fischbacher+7 more|arXiv (Cornell University)|Mar 28, 2019

Magnetic Properties of Alloys参考文献 24被引用数 4

ひとこと要約

本稿では、ab initio計算、遺伝的アルゴリズム、マイクロ磁気、機械学習を統合した計算フレームワークを提示し、希土類元素を含まない永久磁石の設計を実現する。Fe3Sn0.75Sb0.25、L10 FeNi、CoFe6Ta、MnAlが有望な候補であると特定され、 coercive field が 0.49–1.0 T で、エネルギー密度積が最大425 kJ/m³に達すると予測され、高性能で希土類元素を低減した磁石への道筋を示している。

ABSTRACT

<strong>ABSTRACT</strong> Multiscale simulation is a key research tool for the quest for new permanent magnets. Starting with first principles methods, a sequence of simulation methods can be applied to calculate the maximum possible coercive field and expected energy density product of a magnet made from a novel magnetic material composition. Fe-rich magnetic phases suitable for permanent magnets can be found by adaptive genetic algorithms. The intrinsic properties computed by ab initio simulations are used as input for micromagnetic simulations of the hysteresis properties of permanent magnets with realistic structure. Using machine learning techniques, the magnet’s structure can be optimized so that the upper limits for coercivity and energy density product for a given phase can be estimated. Structure property relations of synthetic permanent magnets were computed for several candidate hard magnetic phases. The following pairs (coercive field (T), energy density product (kJ/m³)) were obtained for Fe₃Sn_0.75Sb_0.25: (0.49, 290), L1₀ FeNi: (1, 400), CoFe₆Ta: (0.87, 425), and MnAl: (0.53, 80).

研究の動機と目的

• 希土類元素を含まない、永久磁石に適した高い固有磁気的性質を示す新しい磁性材料を同定すること。
• 高機能磁石における希土類元素依存性が引き起こすサプライチェーンおよびコストの課題を克服すること。
• 原子スケールの性質から巨視的磁気性能へとつながる予測可能なマルチスケールシミュレーションパイプラインの開発。
• 機械学習とマイクロ磁気シミュレーションを用いて、微細構造と組成を最適化し、コercivityとエネルギー積を最大限に高めること。

提案手法

• 候補のFe豊富相の固有磁気的性質を決定するために、ab initio密度汎関数理論（DFT）計算が用いられる。
• 適応的遺伝的アルゴリズムを用いて、高い異方性と飽和磁化を示す硬磁性相を探索し、広大な組成空間をスクリーニングする。
• マイクロ磁気シミュレーションは、相の組成から得られる現実的な微細構造に基づき、ヒステリシスループとコercive field をモデル化する。
• シミュレーションデータを用いてトレーニングされた機械学習モデルは、最適な微細構造の予測と、コercivityとエネルギー積の上限推定を行う。
• 第一原理計算からマイクロ磁気予測に至るまでの結果を統合する階層的シミュレーションパイプラインが構築され、スクリーニングの効率化が可能になる。
• このフレームワークにより、各候補相について理想化された微細構造条件下での最大達成可能な性能指標の推定が可能になる。

実験結果

リサーチクエスチョン

• RQ1 どのFe豊富なインタメタリック相が、希土類元素フリーの永久磁石材料として実用化可能な十分な磁気異方性と飽和磁化を示すか？
• RQ2 微細構造を最適に設計した場合、ある相の理論的コercive fieldとエネルギー積の上限は何か？
• RQ3 機械学習は、最大の磁気的性能を達成するための最適な微細構造の予測をどの程度高速化できるか？
• RQ4 マルチスケールシミュレーションは、磁石開発における実験的試行錯誤の必要性をどの程度低減できるか？
• RQ5 遺伝的アルゴリズムは、Feベース合金の広大な組成空間を効率的に探索し、高い可能性を示す候補を同定できるか？

主な発見

• Fe3Sn0.75Sb0.25は、コercive field が 0.49 T、エネルギー密度積が 290 kJ/m³に達すると予測されている。
• L10 FeNiは、予測性能が最も高く、コercive field が 1.0 T、エネルギー密度積が 400 kJ/m³に達すると予測されている。
• CoFe6Taは、コercive field が 0.87 T、エネルギー密度積が 425 kJ/m³に達すると予測されており、最高性能を示す候補である。
• MnAlは、コercive field が 0.53 T、エネルギー密度積が 80 kJ/m³であり、候補の中では中程度の性能を示している。
• マルチスケールシミュレーションパイプラインは、各相の性能上限を的確に同定でき、実験的アプローチの優先順位付けを可能にした。
• 機械学習とマイクロ磁気シミュレーションの統合により、コercive field とエネルギー積の最大値を達成する最適な微細構造の正確な推定が可能になった。