马克斯·普朗克研究所的一个大型研究团队眉r Eisenforschung GmbH,与科技大学同事合作盲代尔夫特理工大学和KTH皇家理工学院的t Darmstadt发现,可以利用机器学习来帮助冶金学家找到金属的最佳混合物,从而制造出所需的合金。在《科学》杂志上发表的论文中,该小组描述了他们的三步过程以及测试时的效果。中国科学院金属研究所的胡青苗和杨瑞在同一期杂志上发表了一篇《透视》文章,概述了该团队在这项新工作中所做的工作中国机械网okmao.com。
数千年来,人类一直在混合金属以满足他们的需求,在这样做的过程中,人们学到了很多关于制造合金的知识。但找到合适的组合总是需要一定程度的灵感、耐心和机会。因此,大多数合金都是从一种主要金属(如铁)开始,然后加入少量其他金属,看看会产生什么特性。
然而,在过去几十年里,情况开始发生变化鈥攕一些研究人员已经开始制造几种金属含量相等的合金。当然,创建具有所需特征的此类合金更具挑战性。在这项新的研究中,研究人员应用机器学习来帮助这个过程。他们首先将测试空间减少到一个应用程序鈥攃处理在温度变化下不会膨胀和收缩的合金。
为了创建一个机器学习应用程序,研究人员寻找并发现了可用于比较目的的金属特征,然后使用当前可用数据库中的信息来教授他们的系统。在这样做的过程中,他们开发了一种找到符合预期用途的合金的工艺。
该团队的过程被缩小为三个基本步骤:首先,他们根据数据库中描述金属特性的信息,使用模型生成新混合物。接下来,他们使用第二个模型来帮助预测他们使用第一步创建的某些合金的性能。最后一步是研究系统生产的候选合金,并选择一些在现实世界中进行测试。
利用他们的系统,研究人员得到了1000个候选合金,这些合金被缩小到只有三种。然后,他们使用系统描述的混合物制造了三种合金,并测试了它们的物理性能。然后,该团队根据真实合金的数据对系统进行培训,并重复整个过程。总之,他们运行了七次,发现了一种热系数比当前记录小的合金。
漏 2022科学X网络