Showa Denko desarrolla modelos de redes neuronales para predecir con precisión las propiedades mecánicas de las aleaciones de aluminio
La IA y la ciencia computacional realizan una optimización eficiente de las condiciones de diseño de las aleaciones de aluminio a altas temperaturas
Showa Denko K.K. ha desarrollado modelos de redes neuronales para predecir las propiedades mecánicas de las aleaciones de aluminio de la serie 2000 a partir de sus condiciones de diseño con gran precisión en colaboración con el Instituto Nacional de Ciencia de los Materiales (NIMS) y la Universidad de Tokio (UTokyo). Los modelos desarrollados nos permiten acelerar el proceso de exploración de las composiciones óptimas y las condiciones de tratamiento térmico de las aleaciones de aluminio que pueden mantener la resistencia a altas temperaturas y acortar el tiempo de desarrollo de las aleaciones de aluminio a aproximadamente la mitad o un tercio de lo que se hacía con el método de desarrollo convencional, lo que no era fácil en el pasado.
Showa Denko
El aluminio tiene varias aplicaciones porque es más ligero que el hierro y fácil de trabajar. Sin embargo, suele utilizarse como una aleación de aluminio que contiene cobre, magnesio y otros elementos aditivos porque el aluminio puro tiene poca resistencia. Se desea desarrollar aleaciones de aluminio que puedan mantener una resistencia suficiente para un uso concreto a altas temperaturas, ya que las aleaciones de aluminio convencionales pierden resistencia cuando su temperatura sube a 100 grados Celsius o más. Sin embargo, las propiedades mecánicas de las aleaciones de aluminio dependen de muchos factores del proceso, incluyendo muchos tipos de elementos aditivos y condiciones de tratamiento térmico. El desarrollo de aleaciones de aluminio de alto rendimiento suele llevar tiempo porque el diseño de aleaciones de aluminio requiere la experiencia de los desarrolladores y la repetición de análisis y evaluaciones.
Con el objetivo de resolver estos problemas, el SDK ha participado en un proyecto del Programa de Promoción de la Innovación Estratégica (SIP) del Consejo de Ciencia, Tecnología e Innovación (CSTI), "Integración de Materiales" para un Sistema de Diseño Revolucionario de Materiales Estructurales. En este desarrollo, el SDK, el NIMS y la UTokyo han desarrollado en colaboración un sistema informático que utiliza redes neuronales, un algoritmo de inteligencia artificial (IA), para acelerar el desarrollo de los materiales y explorar globalmente las condiciones de diseño de las aleaciones de aluminio que permiten obtener propiedades mecánicas óptimas.
En este desarrollo, nos hemos centrado en las aleaciones de aluminio de la serie 2000, hemos utilizado los datos de diseño de 410 registros de aleaciones de aluminio que figuran en bases de datos públicas, incluida la Asociación Japonesa del Aluminio, y hemos desarrollado modelos de redes neuronales que predicen con precisión la resistencia de las aleaciones de aluminio a diversas temperaturas, desde la temperatura ambiente hasta la alta temperatura. Además, optimizamos la arquitectura y los parámetros de la red neuronal con inferencia bayesiana aplicando el método de Monte Carlo de intercambio de réplicas. Como resultado, nos fue posible evaluar la resistencia de la aleación de aluminio y su incertidumbre de predicción. Además, este modelo de red neuronal puede estimar las resistencias de las aleaciones de aluminio bajo 10.000 condiciones diferentes en 2 segundos. De este modo, fue posible evaluar las aleaciones de aluminio con varios factores de diseño de forma exhaustiva en poco tiempo.
Además, hemos desarrollado con éxito "una herramienta de diseño inverso", que sugiere un conjunto de condiciones de diseño de aleaciones de aluminio que maximiza la probabilidad de satisfacer la resistencia deseada a una temperatura arbitraria. Así, nos permite diseñar aleaciones de aluminio de alta resistencia a temperaturas superiores a los 200 grados Celsius.
En su "Visión a largo plazo de la nueva empresa integrada", el Grupo Showa Denko ha anunciado que seguirá comprometiéndose a sacar el máximo partido de la inteligencia artificial y la ciencia computacional, que es el núcleo de sus actividades de investigación fundamental. Aceleraremos nuestros programas de desarrollo de materiales aplicando los resultados de este Desarrollo a nuestras actividades para desarrollar diversos materiales nuevos, y proporcionaremos a nuestros clientes soluciones para sus problemas, contribuyendo así a la prosperidad de la sociedad.
Los detalles de los resultados de este Desarrollo se presentarán en la sesión virtual de la Reunión de Otoño de la Sociedad de Investigación de Materiales de 2021, que se celebrará del 6 al 8 de diciembre en Estados Unidos y se transmitirá al mundo a través de Internet.
Nota: Este artículo ha sido traducido utilizando un sistema informático sin intervención humana. LUMITOS ofrece estas traducciones automáticas para presentar una gama más amplia de noticias de actualidad. Como este artículo ha sido traducido con traducción automática, es posible que contenga errores de vocabulario, sintaxis o gramática. El artículo original en Inglés se puede encontrar aquí.
Más noticias del departamento ciencias
![Visualización de la catálisis de la [Fe]-hidrogenasa mediante espectroscopia de resonancia magnética nuclear potenciada con parahidrógeno](https://img.chemie.de/Portal/News/675fd46b9b54f_sBuG8s4sS.png?tr=w-712,h-534,cm-extract,x-0,y-16:n-xl)
Reciba la química en su bandeja de entrada
No se pierda nada a partir de ahora: Nuestro boletín electrónico de química, análisis, laboratorio y tecnología de procesos le pone al día todos los martes y jueves. Las últimas noticias del sector, los productos más destacados y las innovaciones, de forma compacta y fácil de entender en su bandeja de entrada. Investigado por nosotros para que usted no tenga que hacerlo.
