使用机器学习找到最佳的金属混合物以制造所需的合金

Max-Planck-InstitutfürEisenforschungGmbH的一个大型研究团队与来自TechnischeUniversitätDarmstadt、代尔夫特理工大学和KTH皇家理工学院的同事合作，发现可以使用机器学习来帮助冶金学家找到金属的最佳混合物以产生所需的合金。在他们发表在《科学》杂志上的论文中，该小组描述了他们的三步过程以及测试时的效果。科学院金属研究所的胡庆淼和杨瑞在同一期刊上发表了一篇Perspectives文章，概述了该团队在这项新工作上所做的工作。

几千年来，人类一直在混合金属以满足他们的需求，并在此过程中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(例如铁)开始制造的，然后添加少量其他金属以查看产生的特性。

然而，在过去的几十年里，情况开始发生变化——一些研究人员已经开始制造几种金属成分相等的合金。当然，制造这种具有所需特性的合金更具挑战性。在这项新工作中，研究人员应用机器学习来帮助完成这一过程。他们首先将测试空间缩小到只有一种应用——制造在温度变化时不会膨胀和收缩的合金。

为了创建机器学习应用程序，研究人员寻找并发现了可用于比较目的的金属特性，然后使用当前可用数据库中的信息教他们的系统。在这样做的过程中，他们开发了一种工艺来寻找适合所需用途的合金。

该团队的过程被缩小到三个基本步骤：首先，他们使用基于数据库中描述金属特性的信息的模型生成新的混合物。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特性。最后一步是研究系统产生的候选合金，并选择一些在现实世界中进行测试。

使用他们的系统，研究人员得出了1000种候选材料，这些候选材料被缩小到三种合金。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，该团队根据来自真实合金的数据对系统进行了训练，并重复了整个过程。总之，他们运行了七次，发现了一种热系数小于当前记录的合金。

标签：