Репортаж от Wedoany，Исследователи из Инженерного факультета Университета Торонто (Канада) с помощью платформы обнаружения на основе искусственного интеллекта разработали шесть новых металлических сплавов, которые могут повысить долговечность компонентов в экстремальных условиях, таких как реактивные двигатели и атомные электростанции. Платформа за несколько недель выявила перспективные составы сплавов, значительно сократив время поиска высокопроизводительных материалов. Эти новые сплавы также подходят для 3D-металлопечати, что позволяет изготавливать сложные детали, недоступные для традиционных методов.
Исследование возглавил Ю Цзоу (Yu Zou), руководитель Канадской исследовательской кафедры по материалам и производству для экстремальных сред (Canada Research Chair in Materials and Manufacturing for Extreme Environments), в сотрудничестве с Джейсоном Хэттриком-Симперсом (Jason Hattrick-Simpers). Команда создала автоматизированную производственную систему, объединяющую компьютерное моделирование, машинное обучение и робототехнику. Используемый метод, называемый активным обучением, напоминает автономную лабораторию: вместо ручного тестирования тысяч комбинаций металлов система самостоятельно выбирает наиболее перспективные варианты для изготовления и тестирования, а затем использует результаты для направления последующих экспериментов.
Проект частично поддержан Ускорительным консорциумом (Acceleration Consortium) Университета Торонто, который использует ИИ и автоматизацию для ускорения открытия новых материалов. Большинство систем ИИ полагаются на большие объёмы экспериментальных данных для точных прогнозов, что особенно ограничивает их при исследовании ещё не испытанных материалов. Аджай Талбот (Ajay Talbot), аспирант лаборатории и первый автор исследования, объяснил, что для решения проблемы нехватки данных команда использовала модель сокращения данных: «Наша модель активного обучения стратегически выбирает образцы для изготовления и тестирования, а затем передаёт экспериментальные данные обратно в модель для направления следующих шагов, что действительно ускоряет процесс».
Для демонстрации системы исследователи сосредоточились на сложных сплавах из никеля, кобальта и хрома. В течение нескольких недель автоматизированная платформа определила шесть новых составов сплавов с высокими характеристиками. Один из них был оптимизирован для устойчивости к проколам при температуре до 1112°F (600°C), что соответствует условиям работы передней части реактивного двигателя. Отраслевым стандартом в этой области является никелевый сплав (например, Inconel 625), однако команда обнаружила, что сплав из 12% никеля, 62% кобальта и 26% хрома демонстрирует выдающуюся способность сохранять твёрдость при экстремально высоких температурах. В лабораторных испытаниях этот сплав, содержащий всего три элемента, показал результат на 4,5% выше, чем Inconel 625, который содержит более десяти элементов. Кроме того, команда разработала ещё один сплав, специально предназначенный для высокотемпературной зоны реактивного двигателя (где температура может достигать 1832°F, или 1000°C). Талбот отметил, что образование окалины при высоких температурах приводит к потере материала, а материал из 36% никеля, 14% кобальта и 50% хрома показал устойчивость к окислению при этих высоких температурах на 85% выше, чем Inconel 625. Долгосрочная цель команды — дальнейшее повышение рабочей температуры до 2192°F (1200°C).
Исследователи отмечают, что текущие сплавы являются ранней демонстрацией возможностей платформы обнаружения на основе ИИ. Система никель-кобальт-хром включает всего три элемента, и Талбот считает, что это подтверждает эффективность всей замкнутой платформы обнаружения. Следующим шагом станет увеличение сложности и изучение систем сплавов, которые могут содержать от 10 до 12 различных элементов, для получения различных механизмов упрочнения и большего числа полезных свойств. Результаты исследования опубликованы в журнале npj Advanced Manufacturing.
