它可能不像链条和薄弱的环节那样吸引人，但物理学家和工程师知道“一种材料的强度与其最弱的晶界一样强”。
好吧，这一点都不吸引人，但这是重点：晶界很大。它们是微观无序的区域，原子大小的构建基块将材料中的晶体（即晶粒）结合在一起中国机械网okmao.com。
更重要的是，晶界有助于确定对人类重要的金属的特性。例如，它们会影响金属的强度（建筑物！），耐蚀性（电桥！）和电导率（电！）。
但是，尽管研究人员已经研究了数十年的晶界并获得了对晶界产生的性质类型的一些了解，但没有人能够确定通用系统来预测晶界处原子的某种构型是否会使材料更坚固或更坚固。更柔韧。
进入Rosenbrock，Homer和Hart的跨学科BYU研究团队。博士 学生（Conrad Rosenbrock）和两位教授-一位工程师（Eric Homer）和一位物理学家（Gus Hart）-可能通过使用算法让计算机榨汁来破解代码，该算法可以让计算机学习边界背后难以捉摸的“为什么”的素质。
他们的方法发表在最近一期的《自然》杂志《计算材料》上，提供了一种技术，可以对金属，合金，半导体和其他材料中发现的原子构造基块进行“字典化”。
他们的机器学习方法分析了大数据（认为是大量的晶界数据集），以洞悉可能与特定机制，过程和特性相关联的物理结构，而这些物理结构可能难以识别。
荷马说：“我们正在使用机器学习，这意味着算法可以看到人类看不见的大量数据趋势。” “使用大数据模型会损失一些精度，但是我们发现它仍然提供足够强大的信息来连接边界和属性之间的点。”
对于金属，该过程可以评估材料的强度，重量和寿命等属性，从而最终对最佳材料进行优化。
尽管该小组尚未真正创建材料，但他们现在可以解读化妆的“为什么”和“如何”。
研究人员说，他们的论文是第一个尝试使用机器学习的计算机算法破解严重影响晶界特性的原子结构代码的论文。
哈特说：“这有点像Siri； Siri的工作原理是通过获取声音并将其转换为元音和辅音，最终通过访问庞大的Apple数据库将其转换为单词。”
“我们使用相同的概念。我们有一个大型数据库，我们的算法正在获取晶界并将其与该数据库进行比较，以将其连接到某些属性。”
最终目标是使开发可以组合以制造坚固，轻便且无腐蚀的金属的材料变得更加容易和高效。
研究人员认为，他们处于可能需要10年甚至20年才能创建创新合金结构的过程的前端，这些合金结构可以为主要结构提供实用的解决方案。
荷马说：“我们国家每年在腐蚀上的花费为5000亿美元。” “如果通过开发更具抵抗力的金属，您可以将处理腐蚀的成本降低甚至百分之几，那么您每年就可以节省数十亿美元。这不是一笔小数目的钱。”
剑桥大学工程系分子建模教授Gabor Csanyi为这项研究做出了贡献。