به گزارش میمتالز، تیم بزرگی از محققان مؤسسه ماکس پلانک آلمان با همکاری محققان دانشگاه فنی دارمشتات این کشور و محققان دانشگاه فناوری دلفت هلند و مؤسسه سلطنتی فناوری کِیتیاِچ سوئد، دریافتند که میتوان از یادگیری ماشین برای کمک به مهندسان مواد (متالورژیستها) بهمنظور یافتن بهترین مخلوط فلزات برای ایجاد آلیاژ مورد نظر استفاده کرد.
این تیم پژوهشی مقاله خود را در مجله علم (Science) منتشر کردند و در آن فرایند سهمرحلهای و عملکرد مطلوب آن را در هنگام آزمایش شرح دادند.
هزاران سال است که انسانها فلزات را بر اساس نیازهای خود مخلوط میکنند و با این کار مطالب زیادی درباره تولید آلیاژها آموختهاند؛ اما یافتن ترکیب مناسب همیشه نیازمند مقادیری الهام، صبر و شانس نیز بوده است. برای ساخت بیشتر آلیاژها به یک فلز اصلی، مانند آهن مقدار کمی از فلزات دیگر میافزایند تا ببینند چه ویژگیهایی بهدست مییآیدآید.
برخی از محققان شروع به ساخت آلیاژهایی کردهاند که دارای میزان مساوی از چندین فلز هستند. البته ساخت چنین آلیاژهایی با ویژگیهای دلخواه بسیار دشوارتر است. محققان در پژوهش جدیدشان از یادگیری ماشین برای این فرایند استفاده کردند. آنها با کاهش فضای آزمایش به یک کاربرد شروع کردند و آلیاژهایی را تولید کردند که هنگام قرارگرفتن در معرض تغییرات دما زیاد منبسط و منقبض نمیشوند.
برای ایجاد یک برنامه کاربردی یادگیری ماشین، محققان به دنبال آن دسته از ویژگیهای فلزات بودند که میتوان از آنها برای مقایسه استفاده کرد. سپس آنها سیستم خود را با استفاده از اطلاعات موجود در بانک اطلاعاتی آموزش دادند. با انجام این کار، آنها فرایندی را برای یافتن آلیاژ مناسب هدف مورد نظرشان، طراحی کردند.
تیم پژوهشی این فرایند را به سه مرحله اصلی محدود کرد: اول، آنها با استفاده از مدلهایی بر اساس اطلاعات نگهداریشده در بانک اطلاعاتی و توصیف ویژگیهای فلز، مخلوطهای جدیدی تولید کردند. سپس، از مدل دوم استفاده کردند تا خواص آلیاژهای خاصی را پیشبینی کنند که با استفاده از مرحله اول ایجاد کرده بودند. مرحله آخر شامل مطالعه آلیاژهای تولیدشده توسط سیستم و انتخاب برخی از آنها برای آزمایش در دنیای واقعی بود.
محققان با استفاده از سیستم خود، ۱۰۰۰ آلیاژ را استخراج کردند که در نهایت، انتخابهای آنها به سه آلیاژ محدود شد. سپس، آنها سه آلیاژ را با استفاده از ترکیبی که توسط سیستمشان توضیح داده شد ایجاد کردند و خواص فیزیکی آنها را آزمایش کردند.
در قدم بعدی، سیستم را با استفاده از دادههای بهدست آمده از آلیاژهای واقعی آموزش دادند و کل فرایند را تکرار کردند. آنها در مجموع هفت بار این کار را انجام دادند و آلیاژی با ضریب حرارتی کمتر از رکورد فعلی پیدا کردند.