Использование машинного обучения для поиска оптимальной смеси металлов для создания желаемого сплава

 

Большая команда исследователей из Института Макса Планка в Эйзенфоршунг ГмбХ, работая с коллегами из Технического университета Дармштадта, Технологического университета Делфта и Королевского технологического института КТХ, обнаружила, что можно использовать машинное обучение, чтобы помочь металлургам найти оптимальную смесь металлов для создания желаемого сплава. В своей статье, опубликованной в журнале Science, группа описывает свой трехэтапный процесс и то, насколько хорошо он сработал при тестировании. Цин-Мяо Ху и Руи Ян из Китайской академии наук, Института исследования металлов, опубликовали в том же номере журнала статью о перспективах, в которой описана работа, проделанная командой над этим новым проектом.

 

Люди смешивали металлы в соответствии со своими потребностями на протяжении тысячелетий и при этом многому научились о создании сплавов. Но поиск правильного сочетания всегда требовал определенной степени вдохновения, терпения и случайности. Таким образом, большинство сплавов было создано, начиная с одного основного металла, такого как железо, и добавляя небольшие количества других металлов, чтобы увидеть, какие характеристики получились в результате.

Однако за последние несколько десятилетий ситуация начала меняться — некоторые исследователи начали создавать сплавы, содержащие равные части нескольких металлов. Создание таких сплавов с желаемыми характеристиками, конечно, гораздо более сложная задача. В этой новой работе исследователи применили машинное обучение, чтобы помочь в этом процессе. Они начали с сокращения испытательного пространства только до одного применения — создания сплавов, которые не сильно расширяются и сжимаются при воздействии изменений температуры.

Чтобы создать приложение для машинного обучения, исследователи искали и нашли характеристики металлов, которые можно было бы использовать для сравнения, а затем обучили свою систему, используя информацию из доступных в настоящее время баз данных. При этом они разработали процесс поиска сплава, который соответствовал бы желаемой цели.

Процесс, проведенный командой, был сведен к трем основным этапам: во-первых, они создали новые смеси, используя модели, основанные на информации, хранящейся в базе данных, описывающей характеристики металла. Затем они использовали вторую модель, чтобы помочь предсказать свойства определенных сплавов, которые они создали с помощью первого шага. Заключительный шаг включал изучение сплавов-кандидатов, созданных системой, и выбор некоторых из них для тестирования в реальном мире.

Используя свою систему, исследователи вывели 1000 кандидатов, которые были сведены всего к трем сплавам. Затем они создали три сплава, используя смесь, описанную их системой, и протестировали их физические свойства. Затем команда обучила систему на данных, полученных из реальных сплавов, и повторила весь процесс. В общей сложности они проверили его семь раз и нашли сплав с меньшим термическим коэффициентом, чем текущий рекорд.

Категория: Наука и Техника | Добавил: fantast (08.10.2022)
Просмотров: 105 | Рейтинг: 0.0/0