Metaller och legeringar

img-mv26vzqu-97da5861

Beskrivning


Sök legeringskompositioner efter förutsägelse — högentropilegeringar, superlegeringar och funktionella metaller. MatterSeek förutsäger egenskaper från komposition.

 

6 25

Metaller och legeringar — Materialsystem / Förutsägbar prestanda / Valideringsväg

 

 

 

 

 

AI för legeringsdesign — Sök högentropi- och superlegeringskompositioner genom förutsägelse

 

 

1. MatterSeek är en FoU-plattform för AI-material för legeringsutveckling.

Eftersom den förutsäger egenskaper direkt från sammansättning med ett till fyra baselement med 0,02 dopningsprecision, är den byggd för kompositionssökningsproblemet som definierar högentropilegeringar, superlegeringar och funktionella metaller.

2. Legeringsdesign har alltid varit ett kompositionsproblem och sökutrymmet har vuxit snabbare än möjligheten att utforska det.

En modern flerkomponentlegering kan varieras över ett enormt utbud av förhållanden och spårtillsatser, medan kvalificering kräver långvarig termisk exponering och mekanisk testning. Den praktiska konsekvensen är att utveckling konvergerar på välbekanta kompositioner snarare än att systematiskt utforska rymden.

3. Sök i kompositionsutrymmet i programvaran.

Du beskriver baselementuppsättningen och egenskapsfönstret du behöver - en målsmältpunkt, ett termiskt eller termoelektriskt krav, ett magnetiskt eller strukturellt mål - och MatterSeek returnerar rankade kandidatkompositioner med förutspådda egenskaper och osäkerhet. Kompositionshanteringen omfattar ett till fyra baselement med en dopingnivåprecision på 0,02, vilket matchar hur legerings- och mikrolegeringsstudier faktiskt specificeras. Förutsägelsen slutförs på ungefär en minut för två baselement, två minuter för tre och sju minuter för fyra. Resultaten visas som radardiagram för jämförelse av flera fastigheter, 2D- och 3D-värmekartor som avslöjar egenskapsgradienter över ett sammansättningsintervall och exporterbara datatabeller.

4. Egenskaper i omfattning.

Motorn täcker familjer inklusive elektrokemiska, dielektriska, termiska, termodynamiska, magnetiska, optiska och mekaniska beteenden - bland dem dielektrisk konstant, smältpunkt, supraledande kritisk temperatur, Seebeck-koefficient, effektfaktor och termoelektrisk värde. Resultaten returneras som radardiagram för jämförelse av flera fastigheter, 2D- och 3D-värmekartor för komposition-egendomslandskap och exporterbara datatabeller.

5. Egenskaper som är relevanta för legeringsutveckling.

Motorn täcker termodynamiska, termiska, elektrokemiska och elektroniska fastighetsfamiljer, inklusive smältpunkt, kritisk kylhastighet för amorfisering, Seebeck-koefficient, effektfaktor och termoelektrisk värde. Dessa parametrar kartläggs direkt på utveckling av amorfa och nanokristallina legeringar, termoelektriska material och de termiska gränserna som styr superlegeringsservice.

6. Validera med de vägar som legeringar faktiskt tillverkas av.

Förutspådda kompositioner flyttar in i MatterSeeks 1 200 m² autonoma laboratorium, vars första processkluster byggdes för metaller: inert-atmosfär-batchning, vakuuminduktionssmältning, bågomsmältning, smältspinning eller pulverförstoftning, gnistplasmasintring, vakuumglödgning och bearbetning. Automatiserad karakterisering inkluderar XRD, XRF och simultan termisk analys. Prediktionsnoggrannheten är 95,7 % mot fysisk mätning, och varje uppmätt resultat matas nästa omgång. Familjetäckningen inkluderar högentropilegeringar, superlegeringar, amorfa och nanokristallina legeringar, magnetiska material, termoelektriska material, lättvikts- och korrosionsbeständiga legeringar och pulvermetallurgiska kompositioner.

 

FAQ

 

 

F: Kan MatterSeek designa högentropilegeringar?

A: Ja. Plattformen stöder ett till fyra baselement med 0,02 dopningsprecision, vilket är den granularitet som flerkomponentlegeringsstudier kräver, och returnerar rankade kandidater med förutspådda egenskaper.

F: Vilka legeringsegenskaper kan förutsägas?

S: Termodynamiska, termiska, elektrokemiska och elektroniska familjer, inklusive smältpunkt, kritisk kylningshastighet för amorfisering, Seebeck-koefficient, effektfaktor och termoelektrisk värde.

F: Hur valideras kandidater?

S: Genom det autonoma laboratoriets metallvägskluster - vakuuminduktionssmältning, bågomsmältning, smältspinning eller finfördelning, gnistplasmasintring och vakuumglödgning - följt av automatiserad XRD, XRF och termisk analys.

Yuyao (Beijing) Technology Co., Ltd. är ett professionellt företag specialiserat på skärningspunkten mellan AI och avancerade material av metaller och legeringar. Företaget har självständigt utvecklat MatterSeek – en grundläggande stor modell skräddarsydd för materialsektorn – och banat väg för HNN (Hierarchical Neural Network)-algoritmen, samtidigt som de byggde upp en egenutvecklad, kontrollerbar materialexperimentdatabas.