ИИ научился предсказывать свойства сплавов по их микроструктуре

Исследователи из Иллинойсского университета разработали новый метод машинного обучения, который позволяет анализировать микроструктуру металлических сплавов и точно предсказывать их механические свойства. Технология работает по аналогии с распознаванием отпечатков пальцев, где уникальное пространственное расположение микроскопических особенностей определяет характеристики материала.

(A) Физический подход для извлечения дескрипторов из обратного пространства и отображения неоднородности микроструктуры. (B) Отдельные паттерны Кикучи кодируются для комплексного картирования микроструктурной неоднородности. Автор: npj Computational Materials (2025). DOI: 10.1038/s41524-025-01770-8

Жан-Шарль Стинвиль, доцент кафедры материаловедения, объясняет: «Традиционные методы используют усредненные значения, из-за чего каждый сплав теряет свой уникальный "отпечаток". Наш подход захватывает полную картину микроструктурной неоднородности, что значительно улучшает точность прогнозирования».

Новая методика, названная «Материальной пространственной интеллектуальностью», анализирует дифракционные паттерны — то, как электроны взаимодействуют с металлами. Обученная модель способна предсказывать ключевые свойства сплавов, включая прочность, усталостную долговечность и пластичность, сокращая время тестирования в разы.

Исследования опубликованы в журналах npj Computational Materials и Scripta Materialia. В будущем команда планирует создать модель, которая по заданным свойствам будет предлагать оптимальный химический состав и микроструктуру сплава, приближая отрасль к полностью автономному проектированию материалов.