未来的磁性材料研发，AI时代已经开始。清华大学还有沐曦股份，把一个“磁性材料·AI原子基座模型”给搞出来了。这个模型能把各种宽温压域的磁性材料都覆盖住，专家看了都说是国际领先水平。团队利用AI for Science的数据生成、模型构建还有演化推理技术，搞出了一套全新的东西，关键是全都自主研发。 传统方法在设计磁芯材料时碰上了大麻烦。福州大学陈为教授讲了很多，说因为频率、磁密、温度这些变量太复杂，用传统数学模型很难把损耗准确算出来。以前用的SE模型、MSE模型或者GS模型，都没法表现抛物线特性，只能算线性的。这样一弄，传统方法在实际工作中就会变得不准确。而AI正好就擅长处理这种非线性多元变量的问题。 虽说AI给磁芯材料研究带来了新希望，但要想真的走好这条路，得先解决两个难题：一个是测量手段缺乏统一标准；另一个是高质量数据样本不够用。高频下用交流功率法测损耗误差大得吓人，尤其对低损耗材料更是如此。另外就是大电流偏磁下的电感特性和损耗测量也不容易搞定。没高质量的数据做基础，上面的模型就建不起来。 这个新发布的“磁性材料·AI原子基座模型”就是专门为了应对这些痛点准备的。它把47种合金元素、6000多种磁性合金体系、70多万组非平衡态、非共线磁性材料数据全都装进了数据库里。这个模型能在微纳米尺度同时精准预测原子排布和磁矩转动，能覆盖从0K到1000K温度、10GPa压强的各种工况。更厉害的是它利用了国产软件DeepMD-kit和ABACUS，再加上团队自己研发的DeltaSPIN、DeepSPIN还有TSPIN计算框架，在缺陷工程计算模拟上实现了突破。 这次沐曦股份和清华大学合作给业内带来了不少启发。在做这70万组数据级数据集还有模型训练的时候，沐曦GPU可是帮了大忙。它的高带宽和高稳定性让效率提升了不少——原本要花一个月才能算完的事儿，现在一天就搞定了。用AI搞磁性材料研究和开发已经不是什么梦想了，正在实实在在地发生着呢。 随着这个基座模型越来越完善，行业数据生态也慢慢建立起来了，磁性材料研究就能跑得更快些了。 接下来我们还能看到很多高性能的磁性材料从“AI设计”一步步变成现实。 哔哥哔特资讯原创文章，严禁转载。