Showa Denko entwickelt neuronale Netzwerkmodelle zur präzisen Vorhersage der mechanischen Eigenschaften von Aluminiumlegierungen
KI und Computerwissenschaften ermöglichen eine effiziente Optimierung der Konstruktionsbedingungen von Aluminiumlegierungen bei hohen Temperaturen
Showa Denko K.K. hat in Zusammenarbeit mit dem National Institute for Material Science (NIMS) und der University of Tokyo (UTokyo) neuronale Netzwerkmodelle entwickelt, um die mechanischen Eigenschaften von Aluminiumlegierungen der 2000er Serie anhand ihrer Konstruktionsbedingungen mit hoher Genauigkeit vorherzusagen. Die entwickelten Modelle ermöglichen es uns, den Prozess zur Erforschung optimaler Zusammensetzungen und Wärmebehandlungsbedingungen für Aluminiumlegierungen zu beschleunigen, die die Festigkeit bei hohen Temperaturen aufrechterhalten können, und die Entwicklungszeit für Aluminiumlegierungen auf etwa die Hälfte bis ein Drittel der Zeit zu verkürzen, die mit herkömmlichen Entwicklungsmethoden benötigt wird, was in der Vergangenheit nicht einfach war.
Showa Denko
Aluminium ist vielseitig einsetzbar, da es leichter ist als Eisen und sich leicht bearbeiten lässt. In der Regel wird es jedoch als Aluminiumlegierung mit Kupfer, Magnesium und anderen Zusatzelementen verwendet, da reines Aluminium eine geringe Festigkeit aufweist. Die Entwicklung von Aluminiumlegierungen, die auch bei hohen Temperaturen eine ausreichende Festigkeit für einen bestimmten Verwendungszweck aufweisen, ist wünschenswert, da herkömmliche Aluminiumlegierungen ihre Festigkeit verlieren, wenn ihre Temperatur auf 100 Grad Celsius oder mehr ansteigt. Die mechanischen Eigenschaften von Aluminiumlegierungen hängen jedoch von vielen Prozessfaktoren ab, darunter viele Arten von Zusatzelementen und Wärmebehandlungsbedingungen. Die Entwicklung hochleistungsfähiger Aluminiumlegierungen nimmt in der Regel viel Zeit in Anspruch, da die Entwicklung von Aluminiumlegierungen einen großen Erfahrungsschatz und wiederholte Analysen und Bewertungen erfordert.
Um diese Probleme zu lösen, hat SDK an einem Projekt im Rahmen des Rates für Wissenschaft, Technologie und Innovation (CSTI), dem ministerienübergreifenden strategischen Innovationsförderungsprogramm (SIP), teilgenommen: "Materials Integration" für ein revolutionäres Konstruktionssystem für Strukturmaterialien. Im Rahmen dieser Entwicklung haben SDK, NIMS und UTokyo gemeinsam ein Computersystem entwickelt, das neuronale Netze, einen Algorithmus der künstlichen Intelligenz (KI), nutzt, um die Entwicklung von Werkstoffen zu beschleunigen und weltweit nach Konstruktionsbedingungen für Aluminiumlegierungen zu suchen, die optimale mechanische Eigenschaften aufweisen.
Bei dieser Entwicklung konzentrierten wir uns auf Aluminiumlegierungen der 2000er Serie, nutzten Konstruktionsdaten von 410 Datensätzen von Aluminiumlegierungen, die in öffentlichen Datenbanken, einschließlich der Japan Aluminum Association, aufgeführt sind, und entwickelten neuronale Netzwerkmodelle, die die Festigkeit von Aluminiumlegierungen bei verschiedenen Temperaturen, von Raumtemperatur bis zu hohen Temperaturen, genau vorhersagen. Darüber hinaus optimierten wir die Architektur und die Parameter des neuronalen Netzes mit Bayes'scher Inferenz durch Anwendung der Replika-Austausch-Monte-Carlo-Methode. Dadurch wurde es uns möglich, die Festigkeit von Aluminiumlegierungen und ihre Vorhersageunsicherheit zu bewerten. Außerdem kann dieses neuronale Netzmodell die Festigkeit von Aluminiumlegierungen unter 10.000 verschiedenen Bedingungen innerhalb von 2 Sekunden abschätzen. Dadurch wurde es möglich, Aluminiumlegierungen mit verschiedenen Designfaktoren in kurzer Zeit umfassend zu bewerten.
Darüber hinaus haben wir erfolgreich ein "inverses Design-Tool" entwickelt, das eine Reihe von Designbedingungen für Aluminiumlegierungen vorschlägt, die die Wahrscheinlichkeit maximieren, dass die gewünschte Festigkeit bei einer beliebigen Temperatur erreicht wird. Damit können wir hochfeste Aluminiumlegierungen bei hohen Temperaturen über 200 Grad Celsius entwerfen.
In ihrer "Long-term Vision for Newly Integrated Company" hat die Showa Denko Group angekündigt, dass sie sich weiterhin dafür einsetzen wird, das Beste aus der künstlichen Intelligenz und den Computerwissenschaften herauszuholen, die den Kern ihrer grundlegenden Forschungsaktivitäten bilden. Wir werden unsere Materialentwicklungsprogramme beschleunigen, indem wir die Ergebnisse dieser Entwicklung in unsere Aktivitäten zur Entwicklung verschiedener neuer Materialien einfließen lassen und unseren Kunden Lösungen für ihre Probleme anbieten, um so zum Wohlstand der Gesellschaft beizutragen.
Einzelheiten zu den Ergebnissen dieser Entwicklung werden auf der virtuellen Sitzung der Herbsttagung 2021 der Materials Research Society vorgestellt, die vom 6. bis 8. Dezember in den Vereinigten Staaten stattfindet und über das Internet in die ganze Welt übertragen wird.
Hinweis: Dieser Artikel wurde mit einem Computersystem ohne menschlichen Eingriff übersetzt. LUMITOS bietet diese automatischen Übersetzungen an, um eine größere Bandbreite an aktuellen Nachrichten zu präsentieren. Da dieser Artikel mit automatischer Übersetzung übersetzt wurde, ist es möglich, dass er Fehler im Vokabular, in der Syntax oder in der Grammatik enthält. Den ursprünglichen Artikel in Englisch finden Sie hier.
Weitere News aus dem Ressort Wissenschaft
![[Fe]-Hydrogenase-Katalyse mittels Parawasserstoff-verstärkter Kernmagnetresonanzspektroskopie sichtbar gemacht](https://img.chemie.de/Portal/News/675fd46b9b54f_sBuG8s4sS.png?tr=w-712,h-534,cm-extract,x-0,y-16:n-xl)
Holen Sie sich die Chemie-Branche in Ihren Posteingang
Ab sofort nichts mehr verpassen: Unser Newsletter für die chemische Industrie, Analytik, Labor und Prozess bringt Sie jeden Dienstag und Donnerstag auf den neuesten Stand. Aktuelle Branchen-News, Produkt-Highlights und Innovationen - kompakt und verständlich in Ihrem Posteingang. Von uns recherchiert, damit Sie es nicht tun müssen.
