Rules of Attraction: Improving the Design of Magnetic Field Control Systems - User Case Studies - Maplesoft


Etude de cas d’utilisateur: Les lois de l’attraction: Amélioration des systèmes de contrôle des champs magnétiques.

Le support multiprocesseur de Maple accélère et simplifie la conception des systèmes complexes de contrôle de champ magnétique

Oxford Instruments a été fondé en 1959 pour fabriquer des aimants supraconducteurs, qui allaient s’avérer une technologie clé pour toute une série d’applications allant de l’imagerie médicale au contrôle de la qualité industrielle. Depuis cette date, l’entreprise a étendu la portée de ses activités et de ses réalisations : elle fabrique et soutient actuellement une vaste gamme de produits destinés aux chercheurs universitaires et aux utilisateurs industriels. Avec des applications dans des domaines comme la physique des supraconducteurs, la mesure et les nanotechnologies, Oxford Instruments emploie aujourd’hui près de 2000 personnes à son siège social d’Oxford et dans ses bureaux à travers le monde.

Les aimants demeurent aujourd’hui aussi importants pour Oxford Instruments qu’à l’époque de la création de l’entreprise. Parmi les nombreuses applications industrielles et de recherche de la technologie des aimants dans le portefeuille de la société, figure une gamme de scanners de table à résonnance magnétique nucléaire (RMN). Les techniques RMN s’utilisent pour identifier les constituants chimiques d’un échantillon de matériau, en se basant sur la tendance des noyaux situés dans un champ magnétique intense à absorber et émettre les radiations électromagnétiques. Les équipements RMN d’Oxford Instruments sont utilisés pour un large éventail de mesures, y compris l’analyse de la teneur en hydrocarbures des semences et des aliments, la composition des matériaux plastiques ou encore la teneur en fluorure des dentifrices.

Pour fonctionner correctement, les équipements RMN exigent un champ magnétique extrêmement puissant et régulier. Le Dr Cédric Hugon, ingénieur produits aimant de la société, participe au développement des matériels requis pour générer de tels champs. « Le champ magnétique dont nous avons besoin en RMN doit normalement &eciric;tre aussi intense que possible et, ce qui est plus important encore, aussi homogène que possible sur l’ensemble de l’échantillon à analyser, précise-t-il. « Autrement dit, nous voulons un champ qui varie entre quelques centaines de parties par million pour les appareils les plus simples, à quelques parties par milliard pour les équipements les plus sophistiqués ».

Le champ magnétique primaire d’un analyseur RMN est normalement généré par un aimant permanent, constitué d’un matériau ferreux ou de terre rare. La première partie de son travail, fait observer le Dr Hugon, consiste à optimiser la géométrie de l’aimant pour générer le meilleur champ possible. Toutefois, en pratique, même les meilleurs aimants produisent des champs qui doivent être « réglés » pour doter les équipements RMN des caractéristiques adéquates. Ce réglage s’effectue au moyen d’un maximum d’une douzaine de « bobines de shim » : des électroaimants contrôlés très précisément pour compenser les défauts d’inhomogénéité du champ. Aprés les bobines de shim, un appareil RMN utilisera jusqu’à trois « bobines de gradient » qui modifient le champ magnétique en trois dimensions au moment de l’échantillonnage.

La conception de ces bobines de shim et de gradient, et celles des algorithmes utilisés pour les contrôler, est un processus extrêmement complexe. Et c’est pour cette raison que le Dr Hugon s’appuie sur le logiciel de calcul technique Maple de Maplesoft. « Maple convient à ce type de travail complexe car il associe la facilité d’utilisation à un niveau élevé de contrôle, ce qui est particulièrement important lorsqu’on s’efforce d’optimiser des systèmes complexes », confie-il.

Même si Maple assure de la manière la plus directe possible le processus de mise en place des calculs requis, l’extrême complexité du systéme exige une puissance de traitement importante, susceptible par conséquent de prendre du temps. « Certaines de mes optimisations les plus complexes s’exécutaient en une demi-heure environ », remarque le Dr Hugon. « Et le travail devient franchement lent et frustrant si, à chaque exécution, on modifie un seul paramètre pour voir quels effets cela produit ».

On a conseillé au Dr Hugon, pour accélérer son travail d’analyse, de profiter de la possibilité de calcul multi-processeur Maple. « J’ai été très impressionné par l’aideque j’ai reçue », se rappelle-t-il. « J’ai envoyé une partie de mon code à l’équipe de support technique, qui a effectué les modifications nécessaires pour pouvoir lancer les calculs en parallèle sur de multiples cœurs de processeurs. Ils m’ont aussi par la suite aidé à adapter ce même code pour qu’il continue de fonctionner avec la toute dernière version de Maple ».

Depuis qu’il a adapté ses feuilles de travail à des fins d’exécution sur processeurs multiples, le Dr Hugon estime que le temps requis pour achever des analyses complexes a été grosso modo divisé par trois, améliorant ainsi de façon spectaculaire la facilité et la rapidité d’exécution des optimisations. « Maple s’avère être un outil puissant et polyvalent, et nous découvrons constamment de nouvelles possibilités d’utilisation au fur et à mesure des différents projets que nous réalisons », conclut-il.