Невидимый воришка энергии

Каждый раз, когда вы жмёте на газ в электромобиле, часть энергии бесшумно уходит в тепло внутри двигателя. Не взрывом, а тихой утечкой на уровне молекул. Никто не мог её разглядеть — до недавнего времени.

Виновник — потери в железе. Или, если говорить по-научному, магнитный гистерезис. Магнитные поля внутри материала постоянно переворачиваются. Каждый переворот тратит крошечную порцию энергии. А когда таких переворотов — миллионы в секунду, потери складываются в ощутимую цифру.

Жара делает всё хуже

Чем горячее двигатель, тем больше энергии уходит впустую. Материал теряет свои магнитные свойства, и цикл замыкается: тепло вызывает новые потери, а они — ещё больше тепла. Получается замкнутый круг, который съедает запас хода.

Учёные давно знали про эту проблему. Но понять, что именно происходит внутри материала на микроуровне, не получалось. Слишком много факторов влияло одновременно.

Лабиринт доменов

Внутри магнитных материалов есть особые структуры — лабиринтные домены. Это крошечные области с разной направленностью магнетизма. Они выглядят как запутанные зигзаги и именно они отвечают за большинство потерь при перемагничивании.

Температура меняет их форму. Структура материала тоже. А ещё — баланс энергии. Всё настолько запутанно, что обычные модели просто не справлялись.

ИИ и физика: неожиданный союз

Команда из Токийского университета науки решила пойти другим путём. Они создали модель под названием eX-GL — расширенную энтропийную модель Гинзбурга-Ландау.

Сначала учёные снимали магнитные домены при разных температурах. Потом эти снимки отдавали ИИ, который ищет скрытые структуры с помощью персистентной гомологии. ИИ помогал найти важные закономерности, что не поддавались обычному анализу.

Машинное обучение выделило ключевой параметр — PC1, который хорошо описывал поведение материала. И, главное, связало его с реальной физикой: нашли четыре главные энергетические барьера, которые контролируют весь процесс.

Что выяснилось

ИИ не просто работал — он помогал понять, как работает. От снимков до энергетических барьеров прослеживалась логическая цепочка. Это erklärbare AI — объясняемый искусственный интеллект.

Исследователи увидили, что сложнее становятся лабиринтные домены, тем больше они вступают в борьбу между энтропией и обменными силами. Grasping this interaction is key to eventually reducing that wasted energy.

Почему это важно

Снижение потерь в двигателях не звучит так exciting как дальнобойные батареи или автопилот. Tatsächlich aber: меньше потери — меньше батарея, легче автомобиль, дешевле производство. И это wirkt sich на миллионы машин aus.

Модель пригодится не только для электромобилей. Она может применяться к любым магнитным материалам и сложным системам. И damit haben sie der Wissenschaft ein Werkzeug an die Hand gegeben.

Итог

Мы всегда знали, что электродвигатели не на 100 % эффективны. Но теперь мы можем видеть, warum на уровне, который помогает инженерам. ИИ помог соединить эксперимент и модель. Результат: mehr Einsicht, mehr Möglichkeiten zur Verbesserung.

Это не громкая новость. Но для настоящей устойчивости электромобилей она может быть решающей.