金属と合金

img-mv26vzqu-97da5861

説明


高エントロピー合金、超合金、機能性金属などの合金組成を予測によって検索します。 MatterSeek は組成から特性を予測します。

 

6 25

金属および合金 — 材料システム / 予測可能な性能 / 検証経路

 

 

 

 

 

合金設計のための AI — 予測による高エントロピーおよび超合金組成の検索

 

 

1. MatterSeek は、合金開発のための AI 材料研究開発プラットフォームです。

1 ~ 4 つの基本元素の組成から特性を 0.02 のドーピング精度で直接予測するため、高エントロピー合金、超合金、および機能性金属を定義する組成検索問題向けに構築されています。

2. 合金の設計は常に組成の問題であり、探索範囲は探索能力を上回るスピードで拡大しています。

最新の多成分合金は、膨大な範囲の比率や微量添加で変化させることができますが、認定には長時間の熱曝露と機械的テストが必要です。実際的な結果は、空間を体系的に探索するのではなく、開発が馴染みのある構成に収束することです。

3. ソフトウェアで構成空間を検索します。

基本要素セットと必要な特性ウィンドウ (目標融点、熱または熱電要件、磁気または構造目標) を記述すると、MatterSeek は、予測された特性と不確実性を備えたランク付けされた候補組成を返します。組成の処理は、ドーピング レベルの精度 0.02 で 1 ~ 4 つの基本元素をカバーし、合金化およびマイクロ合金化の研究が実際に指定される方法と一致します。予測は、2 つの基本要素の場合は約 1 分、3 つの場合は 2 分、4 つの場合は 7 分で完了します。結果は、複数の特性を比較するためのレーダー チャート、組成範囲にわたる特性の勾配を明らかにする 2D および 3D ヒート マップ、およびエクスポート可能なデータ テーブルとして表示されます。

4. スコープ内のプロパティ。

このエンジンは、電気化学、誘電、熱、熱力学、磁気、光学、機械的挙動を含むファミリーをカバーしており、その中には誘電率、融点、超電導臨界温度、ゼーベック係数、力率、熱電性能指数などがあります。結果は、複数のプロパティを比較するためのレーダー チャート、組成とプロパティのランドスケープに関する 2D および 3D ヒート マップ、およびエクスポート可能なデータ テーブルとして返されます。

5. 合金開発に関連する特性。

このエンジンは、融点、アモルファス化の臨界冷却速度、ゼーベック係数、力率、熱電性能指数などの熱力学、熱、電気化学、電子特性をカバーします。これらのパラメーターは、アモルファスおよびナノ結晶合金の開発、熱電材料、および超合金のサービスを管理する熱制限に直接マッピングされます。

6. 合金が実際に製造されたルートで検証します。

予測された組成は、MatterSeek の 1,200 平方メートルの自律型実験室に移動します。この実験室では、最初のプロセス クラスターが金属用に構築されました。不活性雰囲気バッチング、真空誘導溶解、アーク再溶解、溶融紡糸または粉末噴霧、スパーク プラズマ焼結、真空アニーリングおよび機械加工です。自動特性評価には、XRD、XRF、および同時熱分析が含まれます。物理的な測定に対して予測精度は 95.7% であり、すべての測定結果は次のラウンドに反映されます。ファミリーの対象範囲には、高エントロピー合金、超合金、アモルファスおよびナノ結晶合金、磁性材料、熱電材料、軽量および耐食性合金、粉末冶金組成物が含まれます。

 

よくある質問

 

 

Q: MatterSeek は高エントロピー合金を設計できますか?

A: はい。このプラットフォームは、多成分合金の研究に必要な粒度である 0.02 のドーピング精度で 1 ~ 4 つの基本元素をサポートし、予測された特性を持つランク付けされた候補を返します。

Q: どの合金の特性を予測できますか?

A: 融点、アモルファス化の臨界冷却速度、ゼーベック係数、力率、熱電性能指数を含む、熱力学、熱、電気化学、および電子系。

Q: 候補者はどのように検証されますか?

A: 自律型ラボのメタルルート クラスター (真空誘導溶解、アーク再溶解、メルトスピニングまたはアトマイゼーション、スパーク プラズマ焼結、真空アニーリング) と、その後の自動 XRD、XRF、熱分析を通じて行われます。

Yuyao (Beijing) Technology Co., Ltd. は、AI と先端金属・合金材料の融合を専門とする専門会社です。同社は、材料分野に合わせた基礎的な大規模モデルである MatterSeek を独自に開発し、独自の制御可能な材料実験データベースを構築しながら、HNN (階層ニューラル ネットワーク) アルゴリズムを先駆けて開発しました。