最近在一篇文章发表在开放获取期刊npj计算材料欧洲杯足球竞彩,研究人员讨论了基于机器学习的智能框架(ML)寻找耐火熵值与提高高温合金屈服强度。
研究:Machine-learning-based智能发现框架耐火熵值与提高高温合金屈服强度。图片来源:Quardia / Shutterstock.com
背景
前途的材料称为熵合金欧洲杯足球竞彩(头脑)吸引了很多感兴趣的。耐火材料高温合金(美洲鸵)通过实验研究证实了比超合金有更好的高温强度,使他们的理想类合金的进一步调查的潜在使用高效的燃气涡轮发动机。
他提供巨大的可能性,但他们也存在困难的问题材料科学家面对检查设计空间的大量潜在的成分。缺乏广泛的变量决定的理解这些复杂的合金系统的化学和力学特性的一个主要挑战阻碍他的快速发展。
现代高分辨率成像技术可以用来收集原子和显微结构的信息,但因为他们是钱和耗时的,他们不能充分调查和描述的巨大组成空间。结果,他研究的重点一直在制定阶段形成指南以及原子和微观结构特征。
文学有广泛报道的工作分类阶段使用标准。然而,创建标准,加强机械品质是一个主题,已收到的研究相对较少。最近,一些出版物出版,使用不同的ML技术来预测他的阶段。
关于这项研究
在这项研究中,作者讨论了先进的机器学习系统的建设与优化技术智能探索巨大的创作空间,提高高温产生的优势。
拟议的屈服强度模型明显优于最先进的方法预测的准确性,同时也提供了内在的不确定性量化通过使用重复k-fold交叉验证。链接的框架是用来识别美洲鸵更高的高温屈服强度在创建和验证一个可靠的屈服强度预测模型。土卫五成分与最大屈服强度在特定温度设计。
团队旨在取代与智能ML-based模型试验中循环过滤头脑和减少搜索空间。作为一个例子,该研究调查了美洲鸵的产量优势和发展全面向前毫升模型通过选择重要的许多描述符描述符从一组。发现土卫五成分改善产量优势,提出模型结合随机遗传algorithm37。
关于确定因素提高屈服强度低和高温、重要的见解。
研究人员分析了如何理解物理和热力学特征导致了屈服强度增加。土卫五成分和产量优势为特定的温度被确定使用提出ML-based模型。
观察
与实验数据相比,该模型的平均绝对误差为147 MPa NbTaTiV CrMoNbV和224 MPa。改善合金优于基合金90 MPa 25°C。1000°C优化合金的屈服强度显示一个非常不同的温度依赖性,剩下约常数25到800°C。基本合金屈服强度增加了13%在1000°C。然而,1000°C的理想合金屈服强度低得多25°C。做了重大改进的基合金成分在25°C和1000°C。
钛的浓度、Nb和Zr减少相对于理想25°C的基合金合金在几乎差不多。然而,钼和钒的浓度都显著提高。Ti分数是提高了,而V 1000°C的分数仍然几乎不变的理想的合金。
合金的成分和描述符为屈服强度优化25°C和1000°C明显不同,表明机制和标准最大化低温强度和高温可能差别很大,在室温下和成分,最大限度提高屈服强度对高温不可能这样做。
结论
总之,本研究采用ML和优化来展示一个智能计算框架可以预测土卫五屈服强度,发现土卫五成分理论上比最初的土卫五。这是证明了重复k-fold交叉验证结合特征选择是一种有效的方法来获得一个更显著的预测所有数据点。
作者结合健壮ML-based屈服强度预测模型与遗传算法找到瑞亚成分增强的产量优势。算法智能探索复杂成分最大屈服强度的空间基线开始瑞亚。
这个想法是说明合金从土卫五文献使用三个不同的基地。优化合金成分预测为25°C和1000°C,通过改进产量优势高达80%。使用广泛的策略,研究小组预计252年的产量优势在低和高的温度等原子的土卫五的化学物质。使用提出的通用方法,基本成分是根据每个温度的最佳人选。
作者提到,在这项研究中提出的工作建立了一个框架,解决了这一艰巨的任务,实验发现他众多属性满足要求。
参考
贾尔斯,s。森古普塔,D。布罗德里克,s R。,等。Machine-learning-based智能发现框架耐火熵值与提高高温合金屈服强度。npj计算材料欧洲杯足球竞彩235 (2022)。
https://www.nature.com/欧洲杯猜球平台articles/s41524 - 022 - 00926 - 0
免责声明:这里的观点是作者表达他们的私人能力,不一定代表AZoM.com T /有限的观点AZoNetwork这个网站的所有者和经营者。这个声明的一部分条款和条件本网站的使用。