AI phát hiện vật liệu từ tính giảm phụ thuộc đất hiếm

[AI Crazy]

Các nhà nghiên cứu tại Đại học New Hampshire (UNH) đã dùng AI để xây dựng cơ sở dữ liệu chứa 67.573 vật liệu từ tính, trong đó có 25 hợp chất trước đây chưa được nhận ra vẫn giữ tính từ ở nhiệt độ cao. Phát hiện này có thể mở đường cho nam châm bền vững, giảm phụ thuộc vào đất hiếm và hạ chi phí cho xe điện cùng hệ thống năng lượng tái tạo.

AI và cơ sở dữ liệu mới​

Nhóm nghiên cứu UNH phát triển một hệ thống trí tuệ nhân tạo có khả năng đọc bài báo khoa học và trích xuất các chi tiết thí nghiệm quan trọng. Dữ liệu thu được được đưa vào mô hình tính toán để xác định vật liệu nào có tính từ và ở nhiệt độ tối đa nào vật liệu đó vẫn giữ từ tính, rồi tổ chức thành một cơ sở dữ liệu có thể tìm kiếm.

Kết quả nổi bật​

Cơ sở dữ liệu mang tên Northeast Materials Database hiện liệt kê 67.573 vật liệu từ tính, trong đó có 25 hợp chất trước đây chưa được công nhận nhưng vẫn giữ tính từ ở nhiệt độ cao. Những vật liệu này là ứng viên tiềm năng để thay thế các nam châm sử dụng đất hiếm đắt tiền và khó nhập khẩu.

Tại sao quan trọng?​

Nam châm từ tính đóng vai trò then chốt trong nhiều công nghệ: điện thoại, thiết bị y tế, máy phát điện và đặc biệt là xe điện. Việc tìm được vật liệu từ mới, bền vững hơn giúp giảm nhu cầu với đất hiếm, giảm chi phí sản xuất và củng cố chuỗi cung ứng nội địa.

Nhóm nghiên cứu dẫn đầu bởi tiến sĩ Suman Itani và giáo sư Jiadong Zang cho biết họ hy vọng cơ sở dữ liệu thí nghiệm cùng công nghệ AI sẽ đẩy nhanh quá trình tìm kiếm các giải pháp thay thế nam châm vĩnh cửu hiện nay.

Quy trình và tiềm năng ứng dụng​

Hệ thống AI tự động đọc văn bản khoa học, trích xuất thông tin thí nghiệm và chuyển dữ liệu vào mô hình dự đoán tính từ tính. Phương pháp này giúp loại bỏ việc phải thử nghiệm hàng triệu tổ hợp nguyên tố trong phòng thí nghiệm, vốn tốn thời gian và chi phí cao.

• Ứng dụng trực tiếp: tìm vật liệu thay thế nam châm đất hiếm cho ô tô điện và tuabin gió.
• Lợi ích kinh tế: giảm chi phí sản xuất, tăng tính bền vững nguồn cung cấp.
• Tiềm năng sử dụng rộng hơn: mô hình ngôn ngữ lớn dùng trong dự án có thể áp dụng để số hóa tài liệu thư viện, chuyển hình ảnh sang định dạng văn bản phong phú, hỗ trợ giáo dục và nghiên cứu.

Công trình được công bố trên tạp chí Nature Communications (2025) với DOI: 10.1038/s41467-025-64458-z. Nhóm nghiên cứu cho biết bước tiếp theo là thử nghiệm các ứng viên mới trong phòng thí nghiệm để xác thực tính ổn định và hiệu suất thực tế của chúng.

Nguồn: https://techxplore.com/news/2025-11-magnetic-materials-ai-rare-earth.html