北京
一個“自動駕駛”式AI實驗室在短短幾周內，便為噴氣發動機和核反應堆找到了高性能合金。
多倫多大學工程系的研究人員利用人工智能驅動的發現平臺，開發出了六種新型金屬合金，這些合金可以提高噴氣發動機、核電站及其他極端環境中零部件的耐久性。研究結果表明，這套AI輔助系統在短短幾周內就識別出了有前景的合金，極大地加快了高性能材料的搜尋速度。
這些新型合金還能很好地適配金屬3D打印技術，能夠制造出傳統方法難以或無法生產的復雜零件。
AI加速合金發現進程
在加拿大極端環境材料與制造研究主席鄒宇的帶領下，該團隊與杰森·哈特里克-辛珀斯合作，構建了一個利用計算機建模、機器學習和機器人輔助制造的系統。
他們采用的方法稱為“主動學習”，其運作方式就像一個自動駕駛實驗室。該系統并非手工測試數千種金屬組合，而是挑選出最優選項，進行制造并測試其性能，再利用這些結果來指導下一輪實驗。
“人們對能夠承受巨大溫度與壓力波動的材料有著巨大的需求，例如噴氣發動機內部或核電站蒸汽發生器中的環境，在這些地方，傳統鋼材根本無法勝任，”領導該項目的鄒宇表示。
“我們還需要能夠逐層打印的材料，以便制造傳統制造工藝無法生產的部件。例如，要制造一種既輕便又堅固的材料，你可以改變其成分：外部采用堅硬、強韌的合金，內部則使用更軟、更輕的材料。”
該項目部分得到了多倫多大學加速聯盟的支持，該聯盟致力于利用人工智能和自動化技術加速新材料的發現。
主動學習減少對海量數據集的依賴
大多數人工智能系統需要大量的實驗數據才能做出準確預測。當研究人員著眼于尚未測試過的材料時，這就成了一個問題。
“在使用AI設計材料時，經常遇到的一個問題是，大多數機器學習模型需要大量的材料屬性數據才能進行學習，”鄒宇實驗室的博士生、該研究的第一作者阿杰伊·塔爾博特透露。
“但如果你研究的是設計空間中尚未被探索的部分，那些數據根本就不存在，你就像是在盲目飛行。”
“我們繞過這一挑戰的方法是使用數據精簡模型，它們基本上是自行摸索前行。我們的主動學習模型會策略性地選擇少量樣品進行制造和測試，然后將這些實驗數據反饋給模型，指導我們下一步的方向。這真的加快了進程。”
新型合金性能超越行業基準
為了展示該系統，研究人員專注于由鎳、鈷和鉻組成的成分復雜合金。幾周之內，這個自動化平臺就識別出了六種性能強勁的新型合金配方。
“我們的目標性能之一是在高達1112°F（600°C）的溫度下的抗穿刺能力，這相當于噴氣發動機前段部位的溫度，”塔爾博特說。
“這個領域的行業標準是鎳基合金，比如Inconel 625。但我們發現了一種由12%鎳、62%鈷和26%鉻組成的合金，它在極高溫度下保持硬度的能力非常出色。在我們的實驗室測試中，即便只包含三種成分，我們的合金也比由十多種不同元素組成的Inconel 625性能高出4.5%。”
該團隊還開發了另一種合金，專為噴氣發動機中溫度可達1832°F（1000°C）的更熱區域設計。
“在這種環境下會發生一種情況，就是形成氧化皮，這基本上意味著你的材料正在被燒蝕掉，”塔爾博特解釋說。
“我們發現了一種由36%鎳、14%鈷和50%鉻組成的材料，它在這些高溫下具有極強的抗氧化性：其性能甚至比Inconel 625高出85%。我們的最終目標是逐步提升到更高的溫度，達到2192°F（1200°C）。”
研究人員計劃拓展至更復雜的材料
研究人員表示，目前的合金只是對這個AI驅動發現平臺能力的一個初步展示。
“這個鎳-鈷-鉻體系只有三種元素。從宏觀角度來看，這是一個相對簡單的體系，”他補充道。
“但它很好地證明了整個閉環發現平臺確實有效。我們接下來想做的是進一步提升復雜度，去制造更瘋狂的材料，或許會包含多達10種或12種不同的元素。”
“隨著你加入更多成分，就能獲得不同的強化機制、不同種類的有用性能。還有更多的可能性等待著我們去發現。”
這項研究發表在《npj先進制造》期刊上。
如果朋友們喜歡，敬請關注“知新了了”！
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
