Четверг, 28 марта

В Казанском федеральном университете научили нейросеть проектировать особо прочные сплавы

Google+ Pinterest LinkedIn Tumblr +

Специалисты кафедры вычислительной физики Института физики Казанского федерального университета (КФУ) при поддержке Российского научного фонда разработали инновационную методологию определения прочности аморфных металлических сплавов, основанную на применении искусственного интеллекта. Как сообщили в субботу в пресс-службе Минобрнауки РФ, новая технология позволит не только определять прочностные свойства созданных сплавов, но и конструировать новые.

При этом речь идет именно об аморфных сплавах, которые обладают особой прочностью за счет того, что их внутренняя структура близка к структуре жидкости. Аморфные сплавы используются для изготовления особо ответственных деталей, например, сейсмодатчиков, мембран манометров, датчиков скорости, ускорения и крутящего момента автомобилей, пружин часовых механизмов, весов, а также металлокорда шин или сердечников высокочастотных трансформаторов, пояснили в пресс-службе. Для получения новых видов особо прочных сплавов ученые и задействовали нейросети.

“Мы обучили искусственные нейронные сети анализировать состав тех металлических сплавов, для которых уже известны прочностные свойства – модуль упругости, предел текучести, предел прочности и другие, и находить корреляцию между этими свойствами и физико-химическими свойствами элементов, которые присутствуют в составе сплава. Тем самым искусственные нейронные сети учатся определять прочностные свойства по составу сплава. Далее мы применяем искусственные нейронные сети для прогнозирования прочностных показателей сплавов совершенно разного состава, комбинируя различные химические элементы из периодической таблицы Менделеева, которые могут быть использованы для синтеза сплавов”, – рассказал заведующий кафедрой вычислительной физики и моделирования физических процессов Института физики КФУ Анатолий Мокшин.

О методике и результатах

В рамках предложенной методологии нейронные сети подбирают комбинацию элементов в металлическом сплаве и задают концентрацию каждого элемента в нем. “Далее осуществляется анализ информации о физических и химических свойствах элементов, образующих этот сплав, и определяются механические свойства этого сплава. Вся эта процедура занимает всего пару минут”, – рассказал доцент кафедры вычислительной физики Булат Галимзянов.

Исследователям, в частности, удалось установить, что прочностные показатели у аморфных сплавов на основе хрома, железа, монооксида углерода, никеля, ниобия, молибдена и вольфрама с добавками полуметаллов (бериллия, бора, алюминия, олова), неметаллов (кремния и фосфора), а также лантаноидов (лантана и гадолиния) – выше, чем у сплавов на основе других элементов.

“Преимущество нашей методологии над импортными аналогами заключается в том, что мы первыми обучили нейросеть определять прочностные свойства аморфных металлических сплавов на основе информации о физико-химических свойствах каждого элемента, из которых эти сплавы образованы”, – рассказала инженер кафедры вычислительной физики КФУ Мария Доронина. Она пояснила, что разработанная методология может быть использована для конструирования сплавов с требуемыми прочностными свойствами. Средняя погрешность – 12%, что, по словам Дорониной, является хорошим показателем.

 

Источник: https://e-cis.info/news/569/109234/

Share.

Comments are closed.