Ученые Института физики Казанского федерального университета (КФУ) разработали инновационный метод, который позволяет определять прочность аморфных металлических сплавов — веществ, структура которых близка к жидкости. Основанная на применении искусственного интеллекта (ИИ) разработка поможет не только узнавать прочность созданных материалов, но и конструировать новые.
Аморфные металлические сплавы используют для изготовления сейсмодатчиков, пружин часовых механизмов, весов, сердечников высокочастотных трансформаторов, датчиков скорости и т.д.
«Применение сплавов в той или иной области обусловлено преимущественно их прочностными показателями: сопротивляемости к разрушению, упругости, твердости. Именно поэтому существует потребность в разработке относительно простого и в то же время эффективного метода поиска аморфных металлических сплавов с необходимыми прочностными показателями», — отметил заведующий кафедрой вычислительной физики и моделирования физических процессов Института физики КФУ Анатолий Мокшин.
Теперь казанским ученым помогают нейросети: ИИ научился определять прочностные свойства аморфных металлов. Для этого ему нужны данные о физико-химических свойствах каждого элемента из таблицы Менделеева, из которых эти сплавы образованы. По словам авторов, такая методология не имеет аналогов в мире.
«Мы обучили искусственные нейронные сети анализировать состав тех металлических сплавов, для которых уже известны прочностные свойства — модуль упругости, предел текучести, предел прочности и так 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 Анатолий Мокшин.
Нейронные сети «подбирают» комбинацию элементов в металлическом сплаве и задают долю (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», — уточнил доцент кафедры вычислительной физики КФУ Булат Галимзянов.
В результате ученые смогли 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. Поэтому наша методология может быть использована для дизайна новых сплавов с требуемыми прочностными свойствами. Эта методология не требует информации о координатах и скоростях атомов, что освобождает нас от трудоемкого процесса анализа структуры», — объяснила инженер кафедры вычислительной физики КФУ Мария Доронина.
Авторы рассчитывают, что предложенная методология «конструирования» аморфных металлических сплавов поможет в создании новых материалов для промышленности.