机器学习方法评价稀土磷酸盐涂层材料

机器学习方法应用材料和机械科学家快速审查元素组合涂料用于下一代的环境障碍。这些是需要维护车辆在极端条件下的航空航天和空间环境中使用。

机器学习方法评价稀土磷酸盐涂层材料

图片来源:伦斯勒理工学院。

这项研究是由研究人员伦斯勒理工学院并由美国国家科学基金会的支持。欧洲杯线上买球

环境壁垒涂料(ebc)应用于火箭发动机密封部件和结构组件,超音速飞机和其他太空汽车旅行。涂料作为保护者的强烈的操作环境如高温、强烈的压力、超音速和极端的氧化和腐蚀。

稀土硅酸盐ebc的当前选项是用来涂硅carbide-based陶瓷基体材料在先进的喷气发动机。欧洲杯足球竞彩然而,这些材料提出了一些挑战和欧洲杯足球竞彩容易性能下降。从多组分稀土磷酸盐而不是生产ebc硅酸盐是另一个选项。

新概念和创新需要为了设计下一代ebc的性能。提出的多组分稀土磷酸盐提供无限的可能性在设计未来的ebc和扩展他们的表现

洁丽安、教授、首席研究员、机械、航空航天、核能工程,伦斯勒理工学院

NSF授予价值180万美元的目标是变革,使过程开发的协同加强高吞吐量计算,实验和机器学习数据驱动材料开发和发现。欧洲杯足球竞彩

先进的计算机算法将采用研究人员开发的组合元素在几个配置。这有助于确定最有利的高性能ebc,未来航空和太空运输所需。

经验试错的方法太贵,很快变得不切实际的材料发现在一个很大的设计空间。我们的目标是在一种新颖的方法,其夫妻基于物理建模与机器学习来预测下一代ebc的最佳组成和微观结构

力平黄、首席研究员和教授,伦斯勒理工学院材料科学与工程学系欧洲杯足球竞彩欧洲杯线上买球

丽安,实验和材料专家行为在极端环境下,和黄,高通量的原子模拟方面的专家,在这四年的合作研究Suvranu De,有限元分析和专家中心主任建模、仿真和成像在医学(CeMSIM)在伦斯勒理工学院,和露西张,机器学习的专家和教授的机械、航空航天、核能工程。

机器学习模型训练数据生成的高通量多尺度模拟可以加快设计和优化结构和性能的多组分稀土磷酸盐ebc

露西张,机器学习专家,教授,机械、航空航天、核能工程,伦斯勒理工学院

伦斯勒理工学院的研究小组将进一步与通用电气公司全球研究中心的研究人员合作,开拓ebc的行业。

来源:https://rpi.edu/

告诉我们你的想法

你有检查、更新或任何你想添加这个新闻吗?

离开你的反馈
你的评论类型
提交