合金的盟友人工智能帮助设计高性能钢

　　人工智能战略促进了从医疗保健到高能物理科学的科学和创新领域的进步。目前，人工智能已经准备好帮助美国核能时代的无敌舰队加速改进更多的接地化合物，特别是硬化钢。更多的接地材料对于高效地输送能源至关重要，这将带来财务和脱碳效益。
　　太平洋西北国家实验室（PNNL）的博士后探索合作伙伴奥斯曼·马蒙说：＂发电厂使用超高强度材料的历史可以追溯到20世纪50年代，从长远来看，随着材料的缓慢改进而获利。＂如果我们能找到加速升级或制造新材料的方法，我们就能看到植物生产力的提高，同样减少了向空气中传递碳的量。＂
　　马蒙是两篇后来相关日记文章的主要作者，这两篇文章揭示了人工智能在尖端化合物计划中应用的新方法。这项工作是由美国能源部化石能源办公室通过＂XMAT＂极端气候材料财团资助的，该财团包含了能源部七个公共实验室的研究承诺。该财团希望加快推进改进的防热复合材料，用于不同的部队工厂部门，并预见该化合物的长期展览。在原力工厂的故事里
　　核电站的内部气候是无情的。超过650摄氏度的工作温度和超过50兆帕的压力将工厂的钢段置于放大镜下。马蒙澄清说：＂此外，高温和压力因素，以及固体零件，是推动更好的热力学生产力的基础，从而促使化石燃料副产品减少和费用增加。＂。
　　PNNL-NETL的合作集中在两种材料上。奥氏体处理钢由于具有强度高、抗腐蚀能力强等优点而被广泛应用于工厂，但其高温使用寿命受到限制。铬含量在9%到12%范围内的铁素体马氏体钢同样具有强度优势，但可能倾向于氧化和侵蚀。工厂管理人员需要的材料，反对开裂，并保持相当长的时间。
　　从长远来看，＂实验＂的探索性方法已经逐渐改善了钢铁，然而这些方法是浪费的、乏味的和过高的。加快开发性能优良的新型材料是关键。预测裂纹强度和寿命的模型
　　马蒙说，在计算显示和人工智能方面的不断进步，已经成为任务中重要的新设备，可以更快地获得更好的材料。
　　人工智能是一种人工推理，它对数据集进行计算，以促进对科学问题的快速回答。这种能力对世界各地的研究产生了重大影响，时不时地减少了逻辑披露和创新改进的重要时间。
　　PNNL–NETL研究小组的第一篇日记文章《铁基马氏体和奥氏体合金断裂强度预测的机器学习辅助解释模型》描述了人工智能的应用，该文章于3月9日在科学报告中发布。
　　本文描述了该小组努力改进和检验由NETL同事提供的回火钢数据集，并给出了三种独特的计算方法。一个明确的目标是为这两种复合材料的裂纹强度建立一个精确的预测模型。该小组认为，一种称为梯度增强决策树的计算方法最能解决为准确预测断裂强度而建立人工智能模型的问题。
　　此外，分析师们还坚持认为，将后续模型与现有的复合计划程序相协调，可以加快识别出有希望的回火钢，这些钢具有管理焦虑的普遍特性。
　　研究同事、PNNL计算材料研究人员Ram Devanathan说：＂这个探索项目不仅采用了一个阶段，朝着更好的策略发展，以扩大发电厂中钢铁的工作范围，而且还展示了以物理科学为基础的人工智能模型，以增强区域研究人员的翻译能力。＂。Devanathan推动XMAT财团的信息科学推广，并担任该协会的董事会控制成员。
　　任务组随后的文章＂铁素体和奥氏体钢断裂寿命的AI增强预测和生成模型＂发表在npj材料降解公司4月16日的版本中。
　　该小组在论文中推断，基于人工智能的预测模型可以可靠地评估这两种化合物的裂纹存在性。专家们同样描绘了一个生产制造复合材料的系统，该系统可用于增加现有稀少的硬化钢数据集，并区分了这种方法的局限性。在人工智能模型中利用这些＂推测性复合材料＂可以在不首先将其整合到研究设施的情况下评估竞争对手材料的展示。
　　Devanathan说：＂这些发现扩展了先前论文的决定，并解决了在极端条件下建立可解释的组合执行模型的另一个进展，同时也为信息索引的发展提供了一些知识。＂这两篇论文展示了XMAT在这一快速发展领域的理念管理。＂