Künstliche Intelligenz entwickelt fortschrittliche Materialien

Wissenschaftler des Max-Planck-Instituts für Eisenforschung leisten Pionierarbeit bei der Entwicklung eines neuen maschinellen Lernmodells für korrosionsbeständige Legierungen

15.08.2023 - Deutschland

Symbolisches Bild für den Einsatz von künstlicher Intelligenz in der Korrosionsforschung.

Combined Stock Images

In einer Welt, in der die jährlichen wirtschaftlichen Verluste durch Korrosion 2,5 Billionen US-Dollar übersteigen, ist die Suche nach korrosionsbeständigen Legierungen und Schutzschichten ungebrochen. künstliche Intelligenz (KI) spielt bei der Entwicklung neuer Legierungen eine immer wichtigere Rolle. Doch die Vorhersagekraft von KI-Modellen, die das Korrosionsverhalten vorhersagen und optimale Legierungsformeln vorschlagen können, ist noch nicht ausgereift. Wissenschaftler des Max-Planck-Instituts für Eisenforschung (MPIE) haben nun ein maschinelles Lernmodell entwickelt, das die Vorhersagegenauigkeit im Vergleich zu bestehenden Systemen um bis zu 15 % erhöht. Dieses Modell deckt neue, aber realistische korrosionsbeständige Legierungszusammensetzungen auf. Seine besondere Stärke ergibt sich aus der Verschmelzung von numerischen und textuellen Daten. Ursprünglich für den kritischen Bereich der Lochfraßkorrosion in hochfesten Legierungen entwickelt, lässt sich die Vielseitigkeit dieses Modells auf alle Legierungseigenschaften ausweiten. Die Forscher haben ihre neuesten Ergebnisse in der Zeitschrift Science Advances veröffentlicht.

Texte und Zahlen verschmelzen

"Jede Legierung hat einzigartige Eigenschaften in Bezug auf ihre Korrosionsbeständigkeit. Diese Eigenschaften hängen nicht nur von der Legierungszusammensetzung selbst ab, sondern auch vom Herstellungsprozess der Legierung. Aktuelle maschinelle Lernmodelle können nur von numerischen Daten profitieren. Verarbeitungsmethoden und experimentelle Prüfprotokolle, die meist durch textuelle Deskriptoren dokumentiert sind, sind jedoch entscheidend, um Korrosion zu erklären", erklärt Dr. Kasturi Narasimha Sasidhar, Hauptautor der Veröffentlichung und ehemaliger Postdoktorand am MPIE. Das Forscherteam nutzte Methoden der Sprachverarbeitung, ähnlich wie ChatGPT, in Kombination mit Techniken des maschinellen Lernens (ML) für numerische Daten und entwickelte einen vollautomatischen Rahmen für die Verarbeitung natürlicher Sprache. Durch die Einbeziehung von Textdaten in das ML-Framework können außerdem verbesserte Legierungszusammensetzungen identifiziert werden, die gegen Lochfraß resistent sind. "Wir haben das Deep-Learning-Modell mit intrinsischen Daten trainiert, die Informationen über Korrosionseigenschaften und Zusammensetzung enthalten. Jetzt ist das Modell in der Lage, Legierungszusammensetzungen zu identifizieren, die für die Korrosionsbeständigkeit entscheidend sind, auch wenn die einzelnen Elemente ursprünglich nicht in das Modell eingegeben wurden", sagt Dr. Michael Rohwerder, Mitautor der Veröffentlichung und Leiter der Gruppe Korrosion am MPIE.

Grenzen überschreiten: Automatisiertes Data Mining und Bildverarbeitung

In dem kürzlich entwickelten Rahmenwerk nutzten Sasidhar und sein Team manuell erfasste Daten als textuelle Deskriptoren. Derzeit besteht ihr Ziel darin, den Prozess der Datengewinnung zu automatisieren und nahtlos in das bestehende System zu integrieren. Die Einbeziehung von Mikroskopie-Bildern ist ein weiterer Meilenstein, der die nächste Generation von KI-Systemen ankündigt, die textuelle, numerische und bildbasierte Daten zusammenführen.

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.

Originalveröffentlichung

K.N. Sasidhar, N.H. Siboni, J.R. Mianroodi, M. Rohwerder, J. Neugebauer, D. Raabe: "Enhancing corrosion resistant alloy design through natural language processing and deep learning."; Science Advances 9 (2023) eadg7992.

https://www.chemie.de/news/1181319/kuenstliche-intelligenz-entwickelt-fortschrittliche-materialien.html