美国理海大学开发创新机器学习模型 可以预测材料失效

盖世汽车讯 据外媒报道，美国理海大学（Lehigh University）研究团队开发出突破性方法，可以识别异常晶粒生长的早期预警信号，有助于打造更坚固、更有弹性的金属和陶瓷，以用于航空航天、制造业及其他领域。相关论文发表于期刊《自然·计算材料（Nature Computational Materials）》，其中描述了一种创新机器学习方法。

（图片来源：理海大学）

该团队首次在仿真多晶材料中成功预测异常晶粒生长，这一突破有望为内燃机等高应力环境开发更强韧、更可靠的材料。该论文合著者、计算机科学与工程系副教授Brian Y. Chen表示：“我们通过仿真（simulation），不仅可以预测异常晶粒生长，而且能提前‌发出预警。在我们观察的案例（占86%）中，研究人员能在材料寿命周期的‌前20%时间段‌内预测特定晶粒是否会发生异变。”

当持续暴露在高温下（例如火箭或飞机发动机产生的高温）时，金属和陶瓷可能会失效。这类材料由晶体或晶粒构成，受热时原子迁移导致晶体生长或收缩。当一些晶粒相对于邻近晶粒异常增大时，可能会改变材料的性质，例如原本具有一定柔韧性的材料可能会变脆。Chen表示：“在材料设计中，我们必须主动规避异常晶粒生长。”

更智能的筛选稳定材料的方法

打赏 点赞

美国 模型 机器 材料 大学