Машинное обучение позволяет создавать более дешевую и устойчивую к коррозии сталь для 3D-печати

В Международном журнале экстремального производства опубликовано новое исследование, демонстрирующее, что интеграция искусственного интеллекта с фундаментальными физическими и химическими свойствами элементов позволяет быстро определять оптимальные рецептуры сплавов. Полученный металл достигает редкого баланса исключительной прочности и пластичности, решая давнюю проблему в тяжелой промышленности и аэрокосмической отрасли.

В настоящее время для производства сверхпрочных и пластичных сталей методом 3D-печати требуются большие дозы дорогостоящих элементов, таких как кобальт, молибден или высокие концентрации никеля. Даже при использовании этих высококачественных компонентов напечатанные детали должны проходить сложные многоступенчатые термические обработки в промышленных печах для достижения конечной прочности, и они часто остаются очень уязвимыми к коррозии в агрессивных средах.

Чтобы обойти этот метод проб и ошибок, исследовательская группа из Южно-Китайского университета и Университета Пердью обратилась к модели «интерпретируемого машинного обучения». Вместо того чтобы рассматривать ИИ как черный ящик, который просто угадывает комбинации, команда загрузила в алгоритм 81 фундаментальную физико-химическую характеристику различных элементов, таких как их атомный радиус, поведение электронов и скорость распространения звука в них.

Алгоритм рассчитал, что определенная смесь железа и хрома, смешанная с точно определенными небольшими количествами более дешевых элементов, таких как кремний, медь и алюминий, образует идеальную внутреннюю структуру. После 3D-печати металла Fe-15Cr-3.2Ni-0.8Mn-0.6Cu-0.56Si-0.4Al-0.16C (мас.%) с использованием метода лазерного осаждения энергии исследователи подвергли его одноэтапному закалочному процессу при температуре 480°C всего за шесть часов.

Результаты физических испытаний совпали с прогнозами алгоритма. Полученная сталь выдержала напряжения в 1713 МПа и растянулась на 15,5% до разрушения. Это означает приблизительно 30-процентное увеличение прочности по сравнению с исходным, напечатанным металлом состоянием, сопровождающееся удвоением его пластичности.

Исследовательская группа изучила внутреннюю структуру металла, чтобы понять механику, лежащую в основе его характеристик. Они обнаружили, что кратковременная термообработка заставляет металл образовывать плотную сеть наночастиц, включая медь и никель-алюминий.

При физическом воздействии на металл эти мельчайшие частицы действуют как преграды, блокируя структурные дефекты и предотвращая их распространение, что значительно увеличивает силу, необходимую для разрушения детали. Одновременно микроскопические полости более мягкой фазы, известной как аустенит, действуют как амортизаторы, изменяя свою кристаллическую форму для поглощения энергии, что предотвращает разрушение стали под напряжением.

Устойчивость к ржавчине

Разработанный с помощью ИИ рецепт также решил проблему ржавчины, присущую многим высокопрочным сплавам. В обычных сталях образование карбидов приводит к вытеснению хрома из окружающего металла, создавая уязвимые зоны с низким содержанием хрома, где начинается коррозия. Исследователи обнаружили, что наночастицы меди в их новой стали эффективно вытесняют хром в процессе своего образования, заставляя его равномерно распределяться по окружающей матрице. В испытаниях в соленой воде новый сплав деградировал со скоростью всего 0,105 миллиметра в год, значительно превосходя стандартные коммерческие нержавеющие стали, такие как AISI 420.

Хотя подход, основанный на интерпретируемом машинном обучении, успешно сократил затраты и время обработки, исследователи отмечают, что методология опирается на наборы данных, которые в значительной степени специфичны для определенных методов производства. Поскольку разные методы 3D-печати нагревают и охлаждают металлы с существенно разной скоростью, данные, полученные в ходе одного процесса изготовления, часто несовместимы с данными, полученными в ходе другого.

В будущих исследованиях ученым потребуется повторно проверять эти фундаментальные физические характеристики при применении ИИ к совершенно новым классам материалов. Однако данное исследование предлагает четкий план отказа от медленных и эмпирических испытаний, предоставляя быстрый путь к разработке высокоэффективных компонентов на заказ.

Оригинальная статья: Интерпретируемое машинное обучение, интегрированное с физико-химическими характеристиками, для разработки сверхпрочной и пластичной стали, изготовленной методом аддитивного производства; Международный журнал экстремального производства; DOI:10.1088/2631-7990/ae5006 (https://iopscience.iop.org/article/10.1088/2631-7990/ae5006/pdf)

Источник: https://www.lab-worldwide.com/ai-designed-3d-printed-steel-ultra-high-strength-ductility-a-0a6940b8dd10d916dc0d092b3050c1ab/