Actualizado 13/08/2018 14:36 CET

Fujitsu usa la IA para automatizar el diseño de geometrías de materiales magnéticos y minimizar la pérdida de energía

Logo de Fujitsu
FUJITSU - Archivo

   MADRID, 13 Ago. (Portaltic/EP) -

    Fujitsu Laboratories Ltd. y Fujitsu Limited han anuciado el desarrollo de una tecnología que puede automatizar el diseño de geometrías de materiales magnéticos, utilizando inteligencia artificial (IA) para minimizar la pérdida de energía.

   Los materiales magnéticos, que se convierten en imanes cuando se aplica un campo magnético, se utilizan en una variedad de componentes y dispositivos, incluidos motores e inductores de vehículos eléctricos, que almacenan energía eléctrica en las fuentes de alimentación de los dispositivos electrónicos. Sin embargo, siempre habrá alguna pérdida magnética, donde una parte de la energía se disipa en forma de calor, debido al magnetismo.

   Esta pérdida puede cambiar en función de la geometría de los materiales magnéticos y está directamente relacionada con la eficiencia energética del componente o dispositivo. Por lo tanto, para lograr una alta eficiencia energética, ha sido importante diseñar las geometrías de los materiales magnéticos teniendo en cuenta la pérdida magnética, como explican desde Fujitsu en un comunicado.

   Con los métodos de diseño existentes para las geometrías de materiales magnéticos, debido a la fuerte no linealidad exclusiva de los materiales magnéticos ('magnetic hysteresis'), es difícil encontrar una geometría óptima para minimizar la pérdida magnética, lo que hace que el diseño de geometría automatizada resulte desafiante.

   Además, incluso cuando se simula un diseño completo, puede haber errores en la simulación de pérdida magnética que difieren en varios múltiplos o incluso varios órdenes de magnitud de valores medidos experimentalmente, lo que inhibe las predicciones suficientes y precisas para el desarrollo del diseño.

   Como resultado, los diseños de geometría del material magnético han tenido que confiar en la experiencia y conocimiento de los diseñadores, así como también en el ensayo y error experimental, lo que requirió considerable tiempo y dinero.

   Mediante el uso de IA, Fujitsu y Fujitsu Laboratories han desarrollado una tecnología para automatizar el diseño de geometrías que minimizan la pérdida magnética en el espacio virtual. Con ella, ha sido posible calcular con precisión la distribución de las corrientes de Foucault o parásitas --corrientes en forma de vértice que se forman dentro de un conductor de electricidad, de acuerdo con las leyes de la inducción electromagnética-- que fluyen a través de un inductor al formular los efectos dieléctricos de las microestructuras de ferrito, que son los principales materiales magnéticos utilizados.

   Esto permite calcular con precisión el tamaño de la pérdida de corriente parásita, que es la causa principal de la de ferrito. Por consiguiente, aunque era difícil para los métodos de estimación previos evaluar el tamaño de la pérdida de corriente de Foucault cuando la frecuencia de operación del inductor excedía de algunas docenas de kilohercios, la nueva tecnología ha permitido que el error de estimación para magnéticos sea inferior al 10%, en una amplia gama de frecuencias de operación, hasta varios megahercios.

   Al vincular la simulación de pérdida magnética recientemente desarrollada con un algoritmo genético --un método de optimización computacional basado en el funcionamiento de la evolución biológica--, Fujitsu Laboratories y Fujitsu desarrollaron una fórmula para encontrar automáticamente parámetros geométricos (dimensiones para cada parte de la forma del material magnético) que minimizan las pérdidas.

    Las compañías ahora han desarrollado una tecnología para calcular la colección de soluciones óptimas (Pareto-optimal front) que, con velocidad y estabilidad, minimizan la pérdida magnética, al ejercer control en consideración de las características magnéticas, para mantener una proporción de elementos individuales superiores por encima de un cierto umbral de excelencia, para el cambio generacional respectivo que produce una próxima generación.

   Por ejemplo, es deseable que tanto el tamaño físico como la pérdida magnética de un inductor sean lo más pequeños posible. Sin embargo, cuando la inductancia, que es la característica eléctrica principal de un inductor, se restringe a un cierto nivel, existe una relación de intercambio entre los dos. En ese caso, esta tecnología es capaz de encontrar automáticamente el conjunto de diseños óptimos.

   Usando la tecnología recientemente desarrollada, Fujitsu Laboratories y Fujitsu pudieron automatizar el diseño experimental de geometrías de materiales magnéticos en un espacio virtual. Como resultado de ensayos internos y al diseñar la forma de un inductor que utiliza materiales de ferrito, esta tecnología permitió completar el desarrollo de prototipos en pocos días, lo que habría llevado varios meses comenzando con la creación de varios tipos de moldes.

   Fujitsu Laboratories y Fujitsu quieren que los servicios de diseño que incorporen esta tecnología estén disponibles a través del 'cloud' HPC, para cálculos científicos en el año fiscal 2020. Además, esperan desarrollar aún más esta tecnología, permitiendo la creación de geometrías de diseño magnético sin experiencia especializada vinculándola con informática de materiales.

Para leer más