Як зрозумілий штучний інтелект революціонізує MPEA-дизайн

Група інженерів з Вірджинського політехнічного інституту та Університету Джонса Гопкінса об'єднала зусилля для завершення міждисциплінарної співпраці, що заглиблюється у використання зрозумілого штучного інтелекту для покращення створення міцніших MPEA (сплавів на основі кількох основних елементів). Їхнє дослідження виявило ключові деталі, які можуть допомогти вченим розробити нові матеріали, що одного дня зможуть стати основою для аерокосмічних проектів, медичних пристроїв та технологій відновлюваної енергетики. Ось що вам потрібно знати.

Що таке сплави з кількома основними елементами (MPEA)?

Багатокомпонентні сплави основних елементів (MPEA) – це спеціально розроблені матеріали, які поєднують кілька елементів таким чином, що покращує їх експлуатаційні характеристики. Зокрема, MPEA пропонують чудову стійкість до радіації, зносу та корозії. Ці переваги поєднуються з додатковими механічними властивостями, що робить їх вирішальними для сучасних передових застосувань.

Концепція MPEA (метал-елементних амінокислотних реагентів) все ще досить нова. Хоча концепція MPEA виникла на початку 2000-х років завдяки роботі таких інженерів, як Кантор та Є, нещодавні прориви, такі як це дослідження 2025 року, швидко просувають їхню реальну життєздатність. Вчені продовжують досліджувати ці унікальні комбінації матеріалів, прагнучи розкрити додаткові характеристики. Зокрема, FeNiCrCoCu є одним з найбільш вивчених MPEA.

Проблеми розробки MPEA

Існують проблеми з MPEA, які обмежують їхнє впровадження та використання. По-перше, проведення методу спроб і помилок, який зазвичай віддають перевагу інженери, що розробляють ці матеріали, може бути складним і дорогим завданням. Крім того, результати та готовий продукт можуть значною мірою залежати від досвіду, інтуїції, знань у цій галузі та загальних можливостей інженера. Усі ці фактори спонукають інженерів бажати більш розумної структури розробки MPEA.

Проривне дослідження: Розробка сильніших MPEA за допомогою штучного інтелекту

Дослідження¹ "Експериментально підтверджений зворотний дизайн MPEA FeNiCrCoCu та розкриття ключових ідей за допомогою зрозумілого штучного інтелекту«опублікована в журналі Nature's Computational Materials», представляє новий метод створення MPEA, який має потенціал для зниження витрат та підвищення продуктивності. Новий підхід використовує платформу, керовану даними, та зрозумілий штучний інтелект для поєднання обчислювальних біоматеріалів та синтетичних неорганічних матеріалів у системі без розчинників.

Інженери зазначили, що поєднання передового машинного навчання та еволюційних алгоритмів дозволило їм ефективніше визначати сплави з кількома основними елементами та отримати уявлення про те, як вони працюють у поєднанні з іншими елементами. Такий підхід надає науковій спільноті новий рівень розуміння взаємозв'язків між структурою та властивостями матеріалів.

Як зрозумілий штучний інтелект допомагає вченим створювати кращі сплави

Штучний інтелект продовжує змінювати світ навколо вас. Ця технологія дозволяє дослідникам глибше занурюватися у свої теми з меншими зусиллями. Однак стандартний ШІ має проблему в тому, що він часто надає відповіді без пояснення того, як він досяг цих результатів. Пояснювальний ШІ пропонує краще рішення, яке може надати точні дані, що були використані для виконання завдання.

Джерело - NPJ

Як частину свого підходу команда використала модель багатошарового ансамблю машинного навчання (SEML) та модель згорткової нейронної мережі (CNN) з еволюційними алгоритмами. Ця схема була поєднана з алгоритмом SHAP для забезпечення чіткого розуміння дій штучного інтелекту.

Пояснення SHAP: Розкриття чорної скриньки штучного інтелекту

Протокол SHAP був спеціально розроблений для покращення наукових зусиль. Система дозволяє інженерам інтерпретувати прогнози ШІ без жодних таємниць. Вони можуть використовувати надані дані, щоб зрозуміти, як різні елементи та їх локальне середовище можуть відігравати життєво важливу роль у роботі MPEA. Крім того, SHAP допоміг команді робити точні прогнози щодо того, як різні склади та комбінації елементів можуть забезпечити певні переваги, коли це необхідно.

Пояснення дизайну матеріалів на основі даних

Команда з першого дня знала, що хоче інтегрувати машинне навчання у свій процес. Цей крок вимагав від них програмування алгоритму за допомогою великих наборів даних, зібраних під час експериментів та симуляцій. Ця стратегія дозволила команді використовувати інші цінні інструменти, такі як еволюційні алгоритми, поряд з традиційними експериментами.

Перевірка надійності MPEA, розроблених за допомогою штучного інтелекту

Інженери провели серію тестів, щоб переконатися, що синтезовані ними матеріали відповідають їхнім вимогам. Фаза тестування включала перевірку та моніторинг кристалічних структур і механічних властивостей MPEA за допомогою модуля Юнга. Результати тестів пролили світло на процес дослідження MPEA, водночас доводячи, що існують ефективніші методи.

Багатообіцяючі результати експериментальних випробувань

Команда провела кілька тестів, які дали цікаві результати. По-перше, вони довели, що можуть використовувати свій підхід, орієнтований на штучний інтелект, для створення нових сплавів, які мають переважну механічну міцність порівняно з провідними сучасними альтернативами. Крім того, інженери зазначили, що виміряні модулі Юнга майже точно збігаються з обчислювальними прогнозами, розробленими для однофазних гранецентрованих кубічних (ГЦК) структур.

 Чому це дослідження MPEA має значення

Деякі переваги роблять нове дослідження виробництва та досліджень MPEA революційним. По-перше, це перше дослідження, яке надає цінну наукову інформацію про розробку MPEA. Крім того, воно дозволяє інженерам проводити симуляції, які набагато дешевші порівняно з традиційним, дорогим методом спроб і помилок при розробці матеріалів. Таким чином, вчений дійшов висновку, що їхній підхід пропонує більш прогнозоване рішення, яке може допомогти пришвидшити відкриття передових металевих сплавів у майбутньому.

Міждисциплінарна співпраця стимулює інновації

У цьому дослідженні брали участь дослідники, які спеціалізуються на кількох наукових дослідженнях, включаючи обчислення, синтез та характеристику. Ця співпраця відкриває шлях для подальших проектів, де різні науки повинні зустрітися та співвіднести дані для виконання завдань.

Переваги вартості сплавів, розроблених за допомогою штучного інтелекту

Проведення наукових експериментів є дорогим і може затримати отримання результатів. Використання обчислювальних симуляцій на основі штучного інтелекту є кращим варіантом, який дозволяє інженерам проводити тисячі гіпотетичних експериментів без необхідності виконувати будь-які фізичні дії, знижуючи витрати та покращуючи можливості.

Майбутнє використання та комерційні часові рамки

Існує багато застосувань для цього наукового дослідження. Використання MPEA зараз поширеніше, ніж будь-коли. Можна побачити, як ці високоефективні мінерали допомагають космічним кораблям поглинати інтенсивність входження в атмосферу, забезпечують більшу стабільність повітряних турбін та багато іншого. Ось кілька основних застосувань MPEA, які можна пояснити.

Застосування MPEA у сфері охорони здоров'я

Галузь охорони здоров'я може використовувати цей підхід для розробки передових біоматеріалів для імплантатів, протезів та хірургічних інструментів. Можливість тестувати ці матеріали за певних сценаріїв, наприклад, як на них реагуватиме людський організм, є важливою перевагою, яка, безсумнівно, допоможе вченим покращити їхні загальні результати. Інженери вже вважають MPEA ідеальним вибором для використання в колінних протезах, кісткових пластинах тощо.

Потенціал впровадження в аерокосмічній промисловості

Аерокосмічна спільнота – це ще один сектор, який зможе ефективно використовувати ці дані. Методи мультиплексного напилення (MPEA) можуть виробляти стабільніші та довговічніші компоненти літаків. Такі вироби, як лопатки турбін, покриття термічним напиленням, високотемпературні застосування та радіаційно стійкі матеріали, залишаються ідеальним застосуванням для цієї технології.

MPEAs в автомобільному секторі

Ще одне застосування, яке ближче до нашого, — це використання MPEA в автомобільній галузі. Це дослідження може допомогти створити кращу фарбу, міцніші шини та ефективніші каталітичні нейтралізатори. Усі ці фактори можуть допомогти розширити дослідження MPEA та сприяти їх подальшому впровадженню.

Коли ці MPEA вийдуть на ринок?

Не було названо термінів, коли це дослідження може вийти на ринок. Однак, враховуючи його завершений характер і той факт, що існує величезний попит на краще розроблені матеріали, використання цієї технології в дизайні може початися вже протягом наступних 3 років.

Сильніші дослідники MPEA

Дослідження Stronger MPEAs було проведене під керівництвом інженерів з Вірджинського політехнічного інституту та Університету Джонса Гопкінса. У статті як автори-співавтори зазначено Санкета А. Дешмука, Фансі Ванга, Аллану Г. Іваніцького, Абхішека Т. Сосе, Лукаса А. Преслі та Тайрела М. Маккуїна. Крім того, проєкт отримав підтримку та фінансування від Національного наукового фонду.

Що далі для проектування сплавів на основі штучного інтелекту?

Майбутнє розробки MPEA виглядає світлим. Інженери вже використовують ці методи для створення нових глікоматеріалів. Ці високоякісні композити відкривають шлях до численних наукових проривів у матеріалознавстві.

Зараз команда прагне розширити свій процес на інші матеріали, включаючи не-MPEA та інші. Їхня мета — отримати важливе розуміння того, як ці матеріали взаємодіють та які комбінації забезпечують які конкретні результати.

Інвестування в сектор матеріалознавства

У сфері матеріалознавства існує багато конкурентів. Ці фірми витрачають мільйони на дослідження та розробки, щоб залишатися попереду конкурентів. Ця остання розробка може допомогти зменшити їхні накладні витрати, водночас дозволяючи їхнім інженерам проводити дослідження набагато швидше. Ось одна компанія, яка має всі позиції для успіху в сфері матеріалознавства.

Розробки NioCorp

NioCorp (NB ) вийшла на ринок у лютому 1987 року, щоб покращити позицію США щодо земних металів з високим попитом. З того часу компанія стала одним з найбільших мінеральних проектів у США. Сьогодні вона базується в Колорадо та працює по всій країні. Зокрема, проект Elk Creek Critical Minerals має на меті покращити видобуток та виробництво ніобію, скандію та титану.

Ці елементи вважаються критично важливими для безпеки США, оскільки вони є імпортованими ресурсами, необхідними для виробництва багатьох високотехнологічних продуктів. Компанія залишається піонером, який допоміг просувати методи сталого видобутку ніобію, скандію, титану та рідкоземельних елементів.

У 2024 році NioCorp представила новий гідрометалургійний процес переробки постійних магнітів з рідкоземельних елементів. Цей проект відкриває можливості для покращення управління відходами. Ці розробки відповідають постійному прагненню компанії до відкриття більш корисних матеріалів та захисту поставок у США.

Останній NioCorp (NB) Новини та події акцій

Заключні думки: чому це дослідження важливе

Легко зрозуміти, чому інженери звернулися б до штучного інтелекту, щоб спростити розробку та виробництво мікроелементів (MPEA). Ця точна наука була дорогою подорожжю для тих, хто прагнув відкрити нові матеріали. На щастя, наполеглива праця та відданість, вкладені вченим, який стоїть за дослідженням потужніших MPEA, можуть відчинити двері до світлого майбутнього з більш міцними, легшими та доступнішими MPEA.

Дізнайтеся про інші проекти зі штучним інтелектом зараз.

Посилання на дослідження:

^{1. Ван Ф., Іваніцкі А.Г., Сосе А.Т та інші Експериментально підтверджений зворотний дизайн MPEA FeNiCrCoCu та розкриття ключових ідей за допомогою зрозумілого штучного інтелекту. npj Обчислювальні матеріали 11, 124 (2025). https://doi.org/10.1038/s41524-025-01600-x}