近日，清華大學(xué)、沐曦股份等正式聯(lián)合發(fā)布了“磁性材料·AI原子基座模型”。這是首個覆蓋寬溫壓域的磁性材料AI原子模型，經(jīng)權(quán)威專家鑒定，整體技術(shù)水平達到國際領(lǐng)先 。

該模型在AI for Science（AI4S）的數(shù)據(jù)生成、模型構(gòu)建與演化推理三大核心環(huán)節(jié)均進行了全新探索，構(gòu)建了具備完全自主知識產(chǎn)權(quán)的技術(shù)體系，為新材料研發(fā)升級提供了核心技術(shù)支撐 。

磁芯材料

01 傳統(tǒng)建模遇阻：磁性材料損耗難捕捉

在電力電子領(lǐng)域，磁芯材料的設(shè)計與應(yīng)用一直是決定設(shè)備性能的關(guān)鍵因素之一。然而，隨著功率變換器高頻化、集成化趨勢的加速，磁芯材料的復(fù)雜特性正成為行業(yè)發(fā)展的瓶頸難題。

福州大學(xué)陳為教授曾深入剖析了這一痛點：“由于磁芯材料的損耗受多種因素影響，包括頻率、交流磁密、直流磁密、溫度、占空比、波形和材質(zhì)等，使用傳統(tǒng)的數(shù)學(xué)模型進行建模變得非常困難?！?這些變量之間呈現(xiàn)出高度的非線性耦合關(guān)系，傳統(tǒng)的解析方法難以準確描述 。

陳為教授進一步指出，目前的磁芯材料損耗模型存在一個根本性局限——無法表達出拋物線特性?！盁o論是SE模型、MSE模型還是GS模型，都無法表現(xiàn)出拋物線特性，只表現(xiàn)出線性特性。” 這意味著傳統(tǒng)模型在捕捉材料在實際工況中的真實損耗行為時，往往力不從心。

而AI建模恰好特別適合處理這類非線性多元變量的建模問題，“因此需要從傳統(tǒng)的精確數(shù)學(xué)模型轉(zhuǎn)向模糊的人工智能方法。AI可以完全表達出任何形狀，只要數(shù)據(jù)測量足夠，都可以被AI模型捕捉和表達出來” 。

02 數(shù)據(jù)與標準：AI磁性材料研究的“攔路虎”

盡管AI為磁性材料研究打開了新的大門，但要真正將這條路走通，業(yè)界仍面臨兩道難關(guān)。

首先是測量手段缺乏統(tǒng)一的標準。

一是高頻率下采用傳統(tǒng)的交流功率法測量存在本質(zhì)上誤差大的問題，尤其是對于阻抗角接近90度的低損耗材料，微小的時間差都會導(dǎo)致測量結(jié)果失真；二是大電流偏磁下的電感特性和損耗測量同樣棘手。測量是數(shù)據(jù)的基礎(chǔ)，基礎(chǔ)若不穩(wěn)，上層模型便無從談起。

其次是數(shù)據(jù)樣本的匱乏。磁芯損耗建模需要海量的高質(zhì)量數(shù)據(jù)支撐，但這類數(shù)據(jù)往往掌握在各大材料企業(yè)和磁性元件廠商手中，由于商業(yè)競爭和技術(shù)保密的原因，企業(yè)間共享數(shù)據(jù)的意愿普遍不高。缺乏開放的、高質(zhì)量的數(shù)據(jù)集，成為制約AI模型訓(xùn)練和迭代的另一個“攔路虎”。

03 原子級模擬：加速新材料開發(fā)的新引擎

此次發(fā)布的“磁性材料·AI原子基座模型”，正是直擊上述痛點而生。據(jù)悉，該模型構(gòu)建了首個寬溫壓域磁性材料數(shù)據(jù)庫，包含47種合金元素、6000余種磁性合金體系、70余萬組非平衡態(tài)、非共線磁性材料數(shù)據(jù) 。

行業(yè)專家對《磁性元件與電源》指出：“該模型是針對磁材結(jié)構(gòu)微觀的模型，它的應(yīng)用可以加速新材料的開發(fā)?！?/p>

傳統(tǒng)的新材料研發(fā)遵循“試錯—實驗—迭代”的范式，不僅周期長、成本高，而且常常陷入“理論上可模擬、工藝上難實現(xiàn)”的困境 。

相關(guān)報道指出，該模型可在微納米尺度同時精準預(yù)測原子排布與磁矩轉(zhuǎn)動，穩(wěn)定覆蓋0-1000K溫度、10GPa壓強的寬域溫壓工況，可實現(xiàn)寬域、高精度、高可靠性的磁性材料原子級模擬 。

更值得一提的是，依托研發(fā)團隊自主開發(fā)的DeltaSPIN、DeepSPIN和TSPIN計算框架，融合國產(chǎn)軟件DeepMD-kit和ABACUS，該模型首次在磁性材料中實現(xiàn)缺陷工程的計算模擬，運算速度提升兩個數(shù)量級，精度提升四個數(shù)量級。

這意味著，研究人員可以在計算機上快速驗證材料配方和工藝路線，大幅縮短研發(fā)周期、降低研發(fā)成本，推動研發(fā)模式從“經(jīng)驗驅(qū)動”向“數(shù)據(jù)智能驅(qū)動”轉(zhuǎn)型。

結(jié)語

沐曦股份與清華大學(xué)的此次合作，是“產(chǎn)-學(xué)-研-用”深度融合的一次重要創(chuàng)新成果。

在構(gòu)建70萬組數(shù)據(jù)級數(shù)據(jù)集和模型訓(xùn)練過程中，沐曦GPU提供了核心算力支撐，其高帶寬、高穩(wěn)定性的優(yōu)勢大幅提升了研發(fā)效率——原本需要一個月才能完成的計算量，如今僅需一天即可高效達成 。

用AI進行磁性材料的研究與開發(fā)，已不再是未來暢想，而是正在發(fā)生的技術(shù)變革。隨著AI基座模型的不斷完善和行業(yè)數(shù)據(jù)生態(tài)的逐步建立，磁性材料的研究將步入快車道。

可以期待，在不久的將來，從實驗室到產(chǎn)業(yè)化的距離將越來越短，更多高性能磁性材料將從“AI設(shè)計”走向現(xiàn)實應(yīng)用。

本文為嗶哥嗶特資訊原創(chuàng)文章，未經(jīng)允許和授權(quán)，不得轉(zhuǎn)載，

審核編輯 黃宇