Машинное обучение используют для поиска оптимальной смеси металлов для создания желаемого сплава

Прочитано: 90 раз(а)


Большая группа исследователей из Max-Planck-Institut für Eisenforschung GmbH, работая с коллегами из Дармштадтского технического университета, Делфтского технологического университета и Королевского технологического института KTH, обнаружила, что можно использовать машинное обучение, чтобы помочь металлургам найти оптимальная смесь металлов для создания желаемого сплава. В своей статье, опубликованной в журнале Science , группа описывает свой трехэтапный процесс и то, насколько хорошо он работал при тестировании. Qing-Miao Hu и Rui Yang из Китайской академии наук, Института исследований металлов, опубликовали статью «Перспективы» в том же номере журнала, в которой описывается работа, проделанная командой над этим новым проектом.

Люди смешивали металлы в соответствии со своими потребностями на протяжении тысячелетий и при этом многое узнали о создании сплавов. Но поиск правильного сочетания всегда требовал некоторой степени вдохновения, терпения и удачи. Таким образом, большинство сплавов было создано, начиная с одного основного металла, такого как железо, и добавляя небольшое количество других металлов, чтобы увидеть, какие характеристики получились.

Однако за последние несколько десятилетий ситуация начала меняться — некоторые исследователи начали создавать сплавы, содержащие равные части нескольких металлов. Создание таких сплавов с заданными характеристиками, конечно, гораздо сложнее. В этой новой работе исследователи применили машинное обучение, чтобы помочь в этом процессе. Они начали с того, что сократили пространство для испытаний только до одного приложения — создания сплавов, которые не сильно расширяются и сжимаются при воздействии температурных изменений.

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

Процесс команды был сужен до трех основных шагов: во-первых, они создали новые смеси, используя модели, основанные на информации, хранящейся в базе данных, описывающей характеристики металлов . Затем они использовали вторую модель, чтобы помочь предсказать свойства определенных сплавов, которые они создали на первом этапе. Последний шаг заключался в изучении сплавов-кандидатов, производимых системой, и выборе некоторых из них для испытаний в реальных условиях.

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

Машинное обучение используют для поиска оптимальной смеси металлов для создания желаемого сплава



Новости партнеров