使用AI预测具有所需特性的新材料

日本科学家开发了一种机器学习方法，可以预测获得具有特定的所需机械性能的铝合金所需的元素和制造工艺。该方法发表在《先进材料科学与技术》杂志上，可以促进新材料的发现。

铝合金重量轻，节能材料从铝主要由，但也包含其它元素，如镁，锰，硅，锌和铜。元素和制造工艺的结合决定了合金对各种应力的抵抗力。例如，5000系列铝合金包含镁和其他几种元素，并被用作建筑物，汽车和加压容器中的焊接材料。7000系列铝合金包含锌，通常包含镁和铜，并且最常用于自行车车架。

对元素和制造工艺的各种组合进行试验以制造铝合金既费时又昂贵。为了克服这个问题，日本国立材料科学研究所和丰田汽车公司的Ryo Tamura及其同事开发了一种材料信息技术，将铝合金数据库中的已知数据输入到机器学习模型中。这将训练模型以了解合金的机械性能与合金的不同元素之间的关系，以及在制造过程中应用的热处理类型。一旦提供了足够的数据模型，它便可以预测制造具有特定机械性能的新型合金所需的条件。所有这些都不需要人工输入或监督。

该模型发现，例如，可以通过增加锰和镁含量并减少铝含量来制造对应力和变形具有高度抵抗力的5000系列铝合金。

田村说：“这类信息对于开发满足工业需求的新材料(包括合金)可能是有用的。”

该模型采用一种称为马尔可夫链蒙特卡洛(Markov chain Monte Carlo)的统计方法，该方法使用算法来获取信息，然后将结果表示在图形中，以方便可视化不同变量之间的关系。通过在训练过程中输入较大的数据集，可以使机器学习方法更可靠。