High-throughput Discovery of Magnetic Rare Earth Transition Metal Alloys

Het moderne leven draait op onzichtbare krachten. De elektrische motoren die auto's aandrijven, de generatoren die windturbines van stroom voorzien en de piepkleine aandrijvingen in computers zijn allemaal afhankelijk van permanente magneten. Dit zijn materialen die een magnetisch veld vasthouden zonder dat er elektriciteit nodig is om ze actief te houden. Decennialang hebben de beste magneten vertrouwd op een specifieke familie van metalen: zeldzame aardelementen gemengd met overgangsmetalen zoals ijzer of kobalt. Hoewel deze materialen uitstekend werken, zijn ze duur en hun toeleveringsketens zijn kwetsbaar. Wetenschappers vermoeden al lang dat er andere, betere combinaties van atomen wachten om ontdekt te worden, maar het aantal mogbare mengsels is zo groot dat het proberen van de een na de ander in een laboratorium eeuwen zou duren.

Om dit op te lossen, hebben onderzoekers zich gericht op een nieuw soort zoektocht. In plaats van chemicaliën te mengen in een bekerglas, gebruiken ze krachtige computers om miljoenen nieuwe kristalstructuren te visualiseren. Deze structuren zijn de herhalende patronen waarin atomen zichzelf ordenen. Door kunstmatige intelligentie te gebruiken om deze patronen te genereren en ze vervolgens te testen met geavanceerde natuurkundige simulaties, kunnen wetenschappers veelbelovende kandidaten vinden nog voordat ze ooit een laboratorium binnenstappen. Deze aanpak stelt hen in staat om te zoeken naar materialen die niet alleen magnetisch zijn, maar ook stabiel genoeg om in de echte wereld te bestaan. Het doel is om magneten te vinden die sterker en betrouwbaarder zijn dan alles wat momenteel beschikbaar is, potentieel door meer voorkomende elementen te gebruiken om kosten en leveringsrisico's te verlagen.

Een team van onderzoekers aan de University of North Carolina at Charlotte en de University of Virginia heeft deze hogesnelheidsontdekkingsmethode nu toegepast op de zoektocht naar nieuwe zeldzame aardmagneten. Ze richtten zich op combinaties van zeldzame aardelementen, specifiek yttrium en samarium, gemengd met ijzer, kobalt en nikkel, samen met een paar andere metalen om als stabilisatoren te dienen. Het team begon door een generatief kunstmatige intelligentie-model te vragen om kristalstructuren te creëren voor meer dan drieduizend verschillende chemische recepten. Het model produceerde bijna 240.000 unieke arrangementen van atomen. Dit was geen willekeurige gok; het model was getraind op bekende stabiele materialen en werd gestuurd om structuren te creëren die aan specifieke chemische regels voldoen, wat ervoor zorgde dat de resulterende patronen fysiek plausibel waren.

Zod_dat de computer deze 240.000 mogelijkheden had gegenereerd, moesten de onderzoekers deze filteren tot de meest veelbelovende weinigen. Ze gebruikten een selectieproces van twee stappen. Eerst draaiden ze een snelle simulatie met machine learning om te controleren welke structuren waarschijnlijk stabiel zouden zijn. Deze stap elimineerde de overgrote meerderheid van de kandidaten, waardoor slechts enkele duizenden overbleven die een nadere blik waard leken. Vervolgens onderwierpen ze deze overlevers aan een veel striktere en nauwkeurigere natuurkundige berekening, bekend als dichtheidsfunctionaaltheorie. Deze stap bevestigde welke structuren werkelijk stabiel waren en berekende hun magnetische sterkte. Het resultaat was een lijst van meer dan 300 laag-energetische magnetische kandidaten. Onder deze bevonden zich vijf die thermodynamisch stabiel waren, wat betekent dat ze in staat zouden zijn om natuurlijk te bestaan zonder uit elkaar te vallen.

De meest opwindende bevinding was de kracht van de ontdekte magneten. De beste kandidaten waren rijk aan ijzer, het element dat de bulk van de magnetische kracht levert. Eén specifieke combinatie, bestaande uit samarium en ijzer, bereikte een verzadigingsmagnetisatie van ongeveer 1,8 tesla. Dit is een maatstaf voor hoe sterk het magnetische veld is wanneer het materiaal volledig gemagnetiseerd is. Ter vergelijking: dit is aanzienlijk sterker dan veel huidige commerciële magneten. Een andere topperformer, een mengsel van yttrium, ijzer en titanium, bereikte ook bijna 1,8 tesla. De onderzoekers ontdekten dat de sterkte van de magneet sterk afhing van hoeveel ijzeratomen er in de structuur gepakt waren. Hoe meer ijzer ze in het kristalrooster konden passen, hoe sterker de magneet werd.

De studie onthulde ook hoe deze nieuwe magneten zijn opgebouwd. De meeste succesvolle ternaire verbindingen — die met drie verschillende soorten metalen — waren geen geheel nieuwe vormen. In plaats daarvan waren het variaties op bekende binaire structuren waarbij één type atoom op een zeer specifieke manier werd vervangen door een ander. De onderzoekers ontdekten dat de nieuwe metalen, zoals mangaan of titanium, in het kristal pasten door de posities te splitsen waar de oorspronkelijke atomen zaten. Dit proces, bekend als Wyckoff-site splitting, stelde de nieuwe atomen in staat om de structuur te stabiliseren zonder de magnetische uitlijning te verstoren. De analyse toonde aan dat mangaan een bijzonder goede keuze was voor deze substituties, omdat het zijn magnetische richting uitlijnde met die van de ijzeratomen, wat bijdroeg aan de algehele sterkte. In contrast hiermee lijnde chroom in de tegenovergestelde richting uit, wat de magneet verzwakte. Dit biedt een duidelijke gids voor toekomstige experimenten: als je een sterkere magneet wilt, kies dan dopanten die overeenstemmen met het ijzer.

Hoewel de computer deze 300 kandidaten vond, merkten de onderzoekers op dat de zoektocht beperkt werd door de omvang van de structuren die de kunstmatige intelligentie kon genereren. Het model was beperkt tot kristallen die niet meer dan 20 atomen bevatten. Het team suggereert dat als ze deze zoektocht kunnen uitbreiden naar grotere kristallen met meer dan 20 atomen, ze mogelijk nog meer ijzerrijke structuren kunnen vinden met een magnetisatie die de 1,8 tesla overstijgt. Het werk demonstreert dat deze generatieve aanpak een krachtig hulpmiddel is om door het complexe landschap van materiaalkunde te navigeren. Het gaat verder dan de trage trial-and-error methoden uit het verleden en biedt een systematisch pad naar de ontdekking van materialen die op een dag de volgende generatie elektrische voertuigen en groene energietechnologieën kunnen aandrijven. De weg vooruit is duidelijk: verfijn de modellen om grotere structuren aan te kunnen en test deze voorspelde kandidaten in het laboratorium om te zien of ze werkelijkheid kunnen worden.