La perte d'énergie invisible qui gâche l'efficacité des moteurs électriques

Quand vous appuyez sur l'accélérateur d'une voiture électrique, une partie de l'énergie disparaît sans bruit. Elle se transforme en chaleur à l'intérieur du moteur. C'est une fuite lente, qui se passe au niveau microscopique et qu'on ne voyait pas jusqu'ici.

Le responsable s'appelle la perte ferromagnétique. Dans les matériaux magnétiques doux, les champs magnétiques changent de sens des millions de fois par seconde. Chaque basculement gaspille un peu d'énergie sous forme de chaleur. À grande échelle, ce phénomène réduit nettement l'autonomie des véhicules électriques.

La chaleur qui empire le problème

Plus le moteur chauffe, plus ce gaspillage augmente. La chaleur affaiblit les propriétés magnétiques des matériaux. Résultat : plus de pertes, encore plus de chaleur. Un cercle vicieux qui pèse lourd sur l'efficacité globale du moteur.

Longtemps, les scientifiques ont su que ce phénomène existait. Mais ils ne parvenaient pas à comprendre exactement ce qui se passait dans la structure du matériau. Trop de facteurs interagissaient à la fois.

Les domaines en labyrinthe

À l'échelle microscopique, les matériaux magnétiques contiennent des structures appelées domaines en labyrinthe. Ces zones magnétiques forment des motifs complexes et tortueux. Elles jouent un rôle central lors des inversions de champ magnétique.

Leur comportement dépend de la température, de la composition du matériau et des états d'énergie possibles. Leur complexité rendait toute modélisation classique impossible.

Quand l'IA aide à décrypter la physique

Des chercheurs de l'Université des sciences de Tokyo ont trouvé une solution. Ils ont créé un modèle nommé eX-GL, basé sur une extension du modèle de Ginzburg-Landau.

Ils ont commencé par photographier les domaines magnétiques à différentes températures. Ensuite, ils ont utilisé une technique mathématique appelée persistance homologique pour détecter des structures invisibles à l'œil. Machine learning a ensuite isolé la caractéristique principale qui contrôle les inversions de champ.

En reliant ces observations à la physique réelle, ils ont identifié les quatre principales barrières d'énergie qui gouvernent le processus.

Une découverte qui s'explique

Ce qui distingue leur méthode, c'est sa transparence. On peut suivre chaque étape, depuis les images microscopiques jusqu'à l'identification des barrières d'énergie. C'est une IA explicable, et ça change tout.

Les chercheurs ont découvert que les domaines en labyrinthe deviennent plus longs et plus complexifiés. Entre l'entropie et les forces d'échange, un équilibre fragile en résulte. Comprehension de ce jeu de tiraillement peut aider à réduire les pertes.

Pourquoi cela compte vraiment

Les gains d'efficacité en petits points ne font pas la grande actualité. Trotz les gains cumulés peuvent permettre de réduire la taille des batteries, de diminuer le poids des voitures et de baisser les coûts. A l'échelle de millions de véhicules, cela change la donne.

Ce même cadre d'étude pourrait s'appliquer à d'autres matériaux magnétiques et à d'autres systèmes physiques complexes. Une nouvelle boîte à outils pour les scientifiques.

En résumé

Nous savions que les moteurs ne sont pas à 100 % efficaces. Mais nous ne comprenais pas le pourquoi à une échelle utile pour l'ingénierie. Aujourd'hui, nous y arrivons grâce à l'union de l'IA et de la physique.