Küresel otomotiv sektöründe elektrikli araçların payı artarken, üreticilerin en önemli Ar-Ge başlıklarından biri motorlardaki enerji kayıplarını azaltmak oldu. Tokyo Bilim Üniversitesi öncülüğünde, Tsukuba, Okayama ve Kyoto üniversitelerinin iş birliğiyle yürütülen çalışma, elektrikli motorlarda kullanılan yumuşak manyetik malzemelerdeki enerji kayıplarını daha ayrıntılı biçimde açıklayan yeni bir yapay zeka modeli ortaya koydu. Araştırmacılar, ‘eX-GL’ adı verilen modelle elektrik motorlarının çekirdeklerinde meydana gelen manyetik değişimleri analiz etti. Model, motor verimliliğini etkileyen mikroskobik manyetik yapıların sıcaklıkla nasıl değiştiğini inceleyerek enerji kayıplarının kaynağını daha anlaşılır hale getirmeyi amaçlıyor.
HİSTEREZİS KAYBI
Elektrik motorlarında enerji kaybının önemli nedenlerinden biri, motor çekirdeğindeki manyetik alanların yüksek hızda yön değiştirmesiyle ortaya çıkan demir kaybı ya da manyetik histerezis kaybı olarak biliniyor. Motorların yüksek sıcaklıklarda çalışması, manyetik malzemelerin özelliklerini etkileyerek enerji verimliliğini düşürebiliyor.
Bu durum, elektrikli araçlarda batarya tüketimini artırırken menzil üzerinde de doğrudan etkili olabiliyor. Japon araştırmacılar, bu kaybın anlaşılması için ‘labirent alanları’ olarak adlandırılan zikzaklı mikroskobik manyetik bölgelerin sıcaklık altındaki davranışlarını inceledi. Ekip, fizik kuralları ile yapay zekayı birleştiren ‘entropi-özellik-genişletilmiş Ginzburg-Landau’ modelini geliştirerek bu karmaşık manyetik yapıların nasıl değiştiğini ortaya koydu.
FİZİK TABANLI YAPAY ZEKA
Proje lideri Profesör Masato Kotsugi, geleneksel bilgisayar simülasyonlarının endüstriyel malzemeleri çoğu zaman basitleştirdiğini, laboratuvar deneylerinin ise her zaman neden-sonuç ilişkisini net biçimde ortaya koyamadığını belirtti. Kotsugi, geliştirdikleri modeli, sıcaklığa bağlı manyetik tersine çevrilme sürecini mekanik olarak açıklamak üzere tasarlanmış fizik tabanlı açıklanabilir yapay zeka çerçevesi olarak tanımladı.
Araştırma ekibi, nadir toprak demir granatındaki labirent alanlarının mikroskobik görüntülerini eX-GL modeliyle analiz etti. Çalışmada önce kalıcı homoloji adı verilen matematiksel yöntemle mikroskobik yapıların topolojik özellikleri belirlendi. Ardından makine öğrenimiyle kritik parametreler seçilerek manyetik yapıların enerji değişimleriyle nasıl evrildiği izlendi. Son aşamada ise bu mikroskobik alan yapıları, motorun genel manyetizasyon tersine çevrilme süreciyle ilişkilendirildi.
DİĞER SİSTEMLERE DE UYARLANABİLİR
Analizler, labirent alanlarının alan duvarlarının uzunluğu arttıkça daha karmaşık hale geldiğini gösterdi. Araştırmacılar, bu karmaşıklığın entropi ve değişim kuvvetleri arasındaki etkileşimlerden kaynaklandığını belirledi. Geliştirilen model, manyetizasyon tersine çevrilme dinamiklerini etkileyen dört ana enerji bariyerini de görselleştirdi. Profesör Kotsugi, eX-GL yaklaşımının karmaşık süreçlerin yorumlanmasını otomatikleştirdiğini ve geleneksel yöntemlerle ayırt edilmesi zor olan gizli mekanizmaları belirleyebildiğini ifade etti. Kotsugi’ye göre, serbest enerji evrensel bir termodinamik ölçüt olduğu için model, benzer özelliklere sahip yarı iletken ve endüstriyel malzeme sistemlerine de uygulanabilir.
ELEKTRİKLİ ARAÇLARDA KULLANILABİLİR
Araştırmanın, elektrikli araç motorlarında enerji verimliliğini artırmaya yönelik tasarım süreçlerine katkı sağlaması bekleniyor. Modelin motor geliştirme süreçlerine entegre edilmesiyle, manyetik malzemelerdeki enerji kayıplarının daha erken aşamada tespit edilmesi ve daha verimli motor tasarımlarının geliştirilmesi mümkün olabilir. Bu sayede elektrikli araçlarda batarya kullanımının iyileştirilmesi, menzilin artırılması ve motor üretim süreçlerinde daha verimli çözümler geliştirilmesi hedefleniyor.
