- 研究人員開發六種新型金屬合金，提升耐用性。
- 人工智能輔助系統加快高性能材料的搜尋速度。
- 新合金在極端環境下表現優越，超越傳統材料。
- 未來將探索更複雜的合金系統以獲得更多特性。
多倫多大學工程學院的研究人員利用人工智能驅動的發現平台開發出六種新型金屬合金，這些合金有望提高用於噴氣發動機、核電廠及其他極端環境的零件耐用性。研究結果顯示，這一人工智能輔助系統在短短幾週內便找到了有前景的合金，顯著加快了高性能材料的搜尋速度。這些新合金在 3D 金屬打印中表現出色，能夠生產傳統方法難以或不可能製造的複雜部件。
人工智能驅動的材料發現
該項目由加拿大極端環境材料與製造研究主席邱宇領導，他與 Jason Hattrick-Simpers 合作，建立了一個利用計算機建模、機器學習及機器人輔助製造的系統。其方法稱為主動學習，類似於自駕實驗室。該系統不再手動測試數千種金屬組合，而是選擇最佳選項，進行製造、測試性能，並根據這些結果指導後續實驗。邱宇表示：「對於能夠抵抗極端温度和壓力變化的材料需求巨大，比如噴氣發動機內部或核電廠的蒸汽發生器內部，傳統鋼材無法存活的環境。」
他補充道：「我們還需要可以逐層打印的材料，這使我們能夠製造傳統製造工藝無法創造的部件。例如，要製造一種既輕且強的材料，可以改變其成分：外層使用堅硬的合金，內層則使用更柔軟和輕的材料。」該項目部分由多倫多大學的加速聯盟支持，該聯盟利用人工智能和自動化加速新材料的發現。
大多數人工智能系統需要大量實驗數據來做出準確預測。當研究人員探討尚未測試的材料時，這便成為一個問題。邱宇實驗室的博士生 Ajay Talbot 表示：「使用人工智能設計材料時，經常遇到的一個問題是，大多數機器學習模型需要大量材料性質數據來進行學習。但如果您處於尚未探索的設計空間，那麼這些數據根本不存在，您就會感到盲目。」
他補充道：「我們克服這一挑戰的方法是使用數據稀疏模型，這些模型基本上能夠自行感知。我們的主動學習模型有策略地選擇少量樣本進行製造和測試，並將這些實驗的數據反饋到模型中，指導我們的下一步行動。這實際上加快了速度。」
新合金的性能優勢
為了演示該系統，研究人員專注於由鎳、鈷和鉻製成的成分複雜合金。在幾週內，這一自動化平台識別出六種具有強勁性能的新合金配方。Talbot 表示：「我們針對的特性之一是在高達 1,112°F (600°C)的温度下的抗刺穿性，這正是噴氣發動機前部所經歷的環境。這一領域的行業標準是以鎳為基礎的合金，如 Inconel 625。但我們發現一種由 12%鎳、62%鈷和 26%鉻組成的合金，在極高温下能保持硬度，性能優於 Inconel 625，實驗結果提高了 4.5%。
該團隊還開發了另一種合金，專為噴氣發動機更熱的部分而設，該部分的温度可達 1,832°F (1,000°C)。Talbot 解釋道：「在這樣的環境中，會形成氧化物層，這意味著材料正在被燃燒掉。我們找到了一種由 36%鎳、14%鈷和 50%鉻製成的材料，在高温下的抗氧化性能非常優越，甚至超過 Inconel 625 達 85%。我們最終的目標是進一步提高到高達 2,192°F (1,200°C)的温度。」
研究人員表示，當前的合金代表了人工智能驅動發現平台所能實現的早期示範。他補充道：「這一鎳-鈷-鉻系統僅包含三種元素。在整體上，這是一個相對簡單的系統，但這證明瞭整個閉環發現平台的有效性。接下來，我們希望稍微增加複雜性，製造出更具挑戰性的材料，可能包含 10 至 12 種不同元素。」
他説：「隨著組件的增加，可以獲得不同的增強機制和不同類型的有用特性。還有更多材料等待被發現。」該研究發表於《npj Advanced Manufacturing》期刊。
人工智能在材料科學中的應用前景
這項研究展示了人工智能在材料科學中的潛力，特別是在極端環境下的應用。隨著對高性能合金需求的增加，傳統材料已無法滿足要求。透過自動化和主動學習，研究人員能夠快速識別新合金，這不僅提升了材料的性能，還加速了研發過程。未來，隨著對更複雜合金系統的探索，人工智能有望在材料創新上發揮更大作用，推動各行業的技術進步。