|
ИИ поможет определить предел текучести металлов
|
|
|
|
Исследовательская группа разработала оптимальную модель искусственного интеллекта для прогнозирования предела текучести различных металлов, эффективно устраняющую традиционные финансовые и временные ограничения. Это исследование было опубликовано в онлайн-издании Acta Materialia. Предел текучести - это точка, в которой материал, например металл, начинает деформироваться под действием внешних нагрузок. В материаловедении точное прогнозирование предела текучести имеет решающее значение для разработки высокоэффективных материалов и повышения стабильности конструкции. Однако прогнозирование этого свойства требует учета многочисленных переменных, таких как размер зерен и типы примесей в материале, и, как правило, требует проведения обширных экспериментов в течение длительного периода времени для сбора данных. Для решения этой проблемы обычно используется уравнение Холла-Петча, которое устанавливает взаимосвязь между пределом текучести материала и размером его зерен.
|
|
|
Однако оно имеет ограничения в точном прогнозировании предела текучести новых материалов, учитывая их специфические характеристики и различные условия окружающей среды, такие как температура и скорость деформации. В этом исследовании команда, возглавляемая профессором Хен Соп Кимом (Hyoung Seop Kim) из Высшего института технологии черных металлов и экологических материалов и факультета материаловедения и инженерии, и Чон А Ли (Jeong Ah Lee), кандидатом наук, с факультета материаловедения и инженерии, недавно сотрудничали с профессором Фигейредо (Figueiredo) из Федерального университета Минаса. Факультет металлургии и материаловедения Жерайса в Бразилии объединил физическую теорию с методами искусственного интеллекта (ИИ) для повышения точности при одновременном снижении затрат и времени, необходимых для прогнозирования предела текучести. Они разработали модель машинного обучения, которая использует механизм "скольжения по границам зерен", который описывает, как частицы внутри материала движутся навстречу друг другу, а также алгоритм машинного обучения для прогнозирования предела текучести.
|
|
|
|
Сначала команда использовала модель "черного ящика" для анализа влияния различных свойств материала на предел текучести. Затем они разработали модель "белого ящика" с четкими входными и выходными данными для повышения точности прогнозирования предела текучести. Команда проверила свою модель, используя различные сплавы на основе железа, которые не были включены в обучающие данные для модели прогнозирования предела текучести. Результаты показали, что модель была высокоточной со средней абсолютной погрешностью в 7,79 МПа по сравнению с фактическим пределом текучести даже при прогнозировании на основе неподготовленных данных. Профессор Хен Соп Ким (Hyoung Seop Kim) из POSTECH сказал: "Мы разработали универсальную модель искусственного интеллекта, которая может точно прогнозировать предел текучести различных типов металлов в различных экспериментальных условиях". Он добавил: "Мы продолжим активно использовать технологию искусственного интеллекта для достижения значительных успехов в исследованиях в области материаловедения".
|
|
|
|
Источник
|
