客觀日本

物質材料研究機構與名古屋大學合作,利用AI設計出強耐熱材料

2023年11月08日 化學材料

日本國立研究開發法人物質材料研究機構(NIMS)技術開發與共用部的出村雅彥部長,源聰副平台主管等,與名古屋大學的小山敏幸教授組成的聯合研究團隊,透過材料研究人員分析AI所發現的優秀熱處理模式羣、提取材料的精華,設計出了一種比以往能夠更好地提高鎳鋁合金高溫強度的新型二階段熱處理方法。這是AI和材料研究人員合作開闢思路的一個優秀案例。相關研究成果已發表在《Scientific Reports》上。

title

AI和材料研究人員合作設計的新型二階段熱處理方法(供圖:物質材料研究機構(NIMS))

鎳鋁合金由鎳和鋁隨機排列的γ相和規則排列的γ'相(析出相)構成。爲了提高高溫強度,就必須將γ'相的尺寸和體積率控制在適當的數值上。γ'相的尺寸和體積率取決於熱處理條件,但由溫度和保溫時間組合形成的熱處理模式數量龐大。例如,將總時間分爲10等分,溫度設置爲9級,則熱處理模式的數量約爲35億(9的10次方)。

此次研究團隊使用了一種名爲蒙特卡羅樹搜尋的AI演算法,從大量組合中高效地搜尋出最佳模式。熱處理模式隨着時間的推移選項會出現分支,各自帶來不同的結果,因此研究人員採用了在將棋和圍棋等棋盤遊戲中爲了搜尋有希望的棋步而使用的蒙特卡羅樹搜尋。

對AI提案的模式進行數值計算求出高溫強度,將結果回饋給AI並運用到下一次提案中,如此反複試錯1620次,結果找到了110個優於傳統熱處理的模式。所發現的模式是升溫和失溫相結合的複雜組合,是人類從未想到的模式。

專家分析了AI發現的模式爲何優秀的終極因數,發現優秀的模式具有共同的特徵。首先,在高溫下使γ'迅速增長,在超過適當尺寸(約41奈米)之前失溫,創造阻止它進一步成長的條件。之後,透過長時間維持低溫範圍,在儘可能抑制其成長以不超過適當尺寸的同時,使體積率緩慢增加,以提高高溫強度。γ'在能加速原子擴散的高溫中成長更快。另外,γ'在熱力學上溫度越低越穩定,溫度越低體積率越會增加。AI發現的模式,在無需提前學習的情況下充分利用了這些特徵。

也就是說,研究人員認識到將高溫短時間與低溫長時間結合在一起是關鍵,不一定需要反復小半徑地升溫和失溫。由此,設計出了一種將高溫短時間和低溫長時間這兩種等溫處理相結合的二階段熱處理方法。基於這一思路,研究人員對第二階段低溫長時間下的溫度進行了最適化,設計出了超越AI發現的最佳模式的熱處理模式。

此次設計的二階段熱處理方法基於前所未有的思路,透過專家對AI的發現進行分析而初次實施了構想。在將棋和圍棋中,職業棋手會深入考察AI的棋譜從而產生新的戰術。在材料領域,AI和專家的合作此次也被證明能產生新的思路。

鎳鋁合金是實用耐熱材料鎳基超合金的代表性合金。今後,透過將該技術應用於更實用的合金系統,找到有助於提高氣渦輪發動機燃油經濟性的工藝改進方法,旨在爲實施低碳社會作出貢獻。

原文:《科學新聞》
翻譯:JST客觀日本編輯部

【論文資訊】
雜誌:Scientific Reports
論文:Artificial Intelligence Inspired Design of Non-Isothermal Aging for γ - γ' Two- phase Ni-Al Alloys
DOI:10.1038/s41598-023-39589-2