El aprendizaje automático puede ayudar a la industria del metal a crear la aleación deseada

Tecnología

Un gran equipo de investigadores del Max-Planck-Institut für Eisenforschung GmbH, en colaboración con colegas de la Technische Universität Darmstadt, la Universidad Tecnológica de Delft y el Instituto Real de Tecnología KTH, descubrió que es posible utilizar el aprendizaje automático para ayudar a los metalúrgicos a encontrar el mezcla óptima de metales para crear una aleación deseada. En su artículo publicado en la revista Science, el grupo describe su proceso de tres pasos y qué tan bien funcionó cuando se probó. Qing-Miao Hu y Rui Yang, del Instituto de Investigación de Metales de la Academia de Ciencias de China, han publicado un artículo de Perspectivas en la misma edición de la revista que describe el trabajo realizado por el equipo en este nuevo esfuerzo.

Los seres humanos han estado mezclando metales para satisfacer sus necesidades durante miles de años y, al hacerlo, han aprendido mucho sobre la creación de aleaciones. Pero encontrar la combinación perfecta siempre ha implicado cierto grado de inspiración, paciencia y oportunidad. Por lo tanto, la mayoría de las aleaciones se han creado comenzando con un metal principal, como el hierro, y agregando pequeñas cantidades de otros metales para ver qué características resultan.

Sin embargo, en las últimas décadas, las cosas han comenzado a cambiar: algunos investigadores han comenzado a fabricar aleaciones que tienen partes iguales de varios metales. La creación de tales aleaciones con las características deseadas es, por supuesto, mucho más desafiante. En este nuevo esfuerzo, los investigadores aplicaron el aprendizaje automático para ayudar con el proceso. Comenzaron reduciendo el espacio de prueba a una sola aplicación, creando aleaciones que no se expanden ni se contraen mucho cuando se exponen a cambios de temperatura.

Para crear una aplicación de aprendizaje automático, los investigadores buscaron y encontraron características de los metales que podrían usarse con fines de comparación y luego enseñaron su sistema utilizando información en las bases de datos actualmente disponibles. Al hacerlo, desarrollaron un proceso para encontrar una aleación que se adaptara al propósito deseado.

El proceso del equipo se redujo a tres pasos básicos: primero, generaron nuevas mezclas utilizando modelos basados ​​en la información contenida en la base de datos que describe las características del metal. Luego, usaron un segundo modelo para ayudar a predecir las propiedades de ciertas aleaciones que crearon usando el primer paso. El paso final consistió en estudiar las aleaciones candidatas producidas por el sistema y elegir algunas para probarlas en el mundo real.

Usando su sistema, los investigadores derivaron 1,000 candidatos que se redujeron a solo tres aleaciones. Luego crearon las tres aleaciones usando la mezcla descrita por su sistema y probaron sus propiedades físicas. Luego, el equipo entrenó el sistema con datos derivados de las aleaciones reales y repitió todo el proceso. En total, lo ejecutaron siete veces y encontraron una aleación con un coeficiente térmico más pequeño que el récord actual.

Fuente: Tech Xplore.

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *