一个“自动驾驶”式AI实验室在短短几周内，便为喷气发动机和核反应堆找到了高性能合金。
多伦多大学工程系的研究人员利用人工智能驱动的发现平台，开发出了六种新型金属合金，这些合金可以提高喷气发动机、核电站及其他极端环境中零部件的耐久性。研究结果表明，这套AI辅助系统在短短几周内就识别出了有前景的合金，极大地加快了高性能材料的搜寻速度。
这些新型合金还能很好地适配金属3D打印技术，能够制造出传统方法难以或无法生产的复杂零件。
AI加速合金发现进程
在加拿大极端环境材料与制造研究主席邹宇的带领下，该团队与杰森·哈特里克-辛珀斯合作，构建了一个利用计算机建模、机器学习和机器人辅助制造的系统。
他们采用的方法称为“主动学习”，其运作方式就像一个自动驾驶实验室。该系统并非手工测试数千种金属组合，而是挑选出最优选项，进行制造并测试其性能，再利用这些结果来指导下一轮实验。
“人们对能够承受巨大温度与压力波动的材料有着巨大的需求，例如喷气发动机内部或核电站蒸汽发生器中的环境，在这些地方，传统钢材根本无法胜任，”领导该项目的邹宇表示。
“我们还需要能够逐层打印的材料，以便制造传统制造工艺无法生产的部件。例如，要制造一种既轻便又坚固的材料，你可以改变其成分：外部采用坚硬、强韧的合金，内部则使用更软、更轻的材料。”
该项目部分得到了多伦多大学加速联盟的支持，该联盟致力于利用人工智能和自动化技术加速新材料的发现。
主动学习减少对海量数据集的依赖
大多数人工智能系统需要大量的实验数据才能做出准确预测。当研究人员着眼于尚未测试过的材料时，这就成了一个问题。
“在使用AI设计材料时，经常遇到的一个问题是，大多数机器学习模型需要大量的材料属性数据才能进行学习，”邹宇实验室的博士生、该研究的第一作者阿杰伊·塔尔博特透露。
“但如果你研究的是设计空间中尚未被探索的部分，那些数据根本就不存在，你就像是在盲目飞行。”
“我们绕过这一挑战的方法是使用数据精简模型，它们基本上是自行摸索前行。我们的主动学习模型会策略性地选择少量样品进行制造和测试，然后将这些实验数据反馈给模型，指导我们下一步的方向。这真的加快了进程。”
新型合金性能超越行业基准
为了展示该系统，研究人员专注于由镍、钴和铬组成的成分复杂合金。几周之内，这个自动化平台就识别出了六种性能强劲的新型合金配方。
“我们的目标性能之一是在高达1112°F（600°C）的温度下的抗穿刺能力，这相当于喷气发动机前段部位的温度，”塔尔博特说。
“这个领域的行业标准是镍基合金，比如Inconel 625。但我们发现了一种由12%镍、62%钴和26%铬组成的合金，它在极高温度下保持硬度的能力非常出色。在我们的实验室测试中，即便只包含三种成分，我们的合金也比由十多种不同元素组成的Inconel 625性能高出4.5%。”
该团队还开发了另一种合金，专为喷气发动机中温度可达1832°F（1000°C）的更热区域设计。
“在这种环境下会发生一种情况，就是形成氧化皮，这基本上意味着你的材料正在被烧蚀掉，”塔尔博特解释说。
“我们发现了一种由36%镍、14%钴和50%铬组成的材料，它在这些高温下具有极强的抗氧化性：其性能甚至比Inconel 625高出85%。我们的最终目标是逐步提升到更高的温度，达到2192°F（1200°C）。”
研究人员计划拓展至更复杂的材料
研究人员表示，目前的合金只是对这个AI驱动发现平台能力的一个初步展示。
“这个镍-钴-铬体系只有三种元素。从宏观角度来看，这是一个相对简单的体系，”他补充道。
“但它很好地证明了整个闭环发现平台确实有效。我们接下来想做的是进一步提升复杂度，去制造更疯狂的材料，或许会包含多达10种或12种不同的元素。”
“随着你加入更多成分，就能获得不同的强化机制、不同种类的有用性能。还有更多的可能性等待着我们去发现。”
这项研究发表在《npj先进制造》期刊上。
如果朋友们喜欢，敬请关注“知新了了”！
新宝配资提示：文章来自网络，不代表本站观点。
