تولید مواد جدید نیاز به زمان، هزینه و تلاش زیادی دارد. اخیراً یک تیم تحقیقاتی در دانشگاه علم و صنعت پوهانگ با استفاده از هوش مصنوعی در تولید آلیاژهای با آنتروپی زیاد (HEAs)، که به عنوان “آلیاژ آلیاژها” شناخته می‌شوند، یک گام به سمت ساخت مواد جدید برداشته است.
یک تیم تحقیقاتی مشترک به سرپرستی پروفسور سونگچول لی، دانشجوی دکترا سو یانگ لی، پروفسور هیونگیو جین و دانشجوی دکترا سئوکیونگ بیون از دپارتمان مهندسی مکانیک و پروفسور Hyoung Seop Kim از دپارتمان مهندسی مواد و مهندسی، تکنیکی را برای پیش‌بینی فاز HEAs با استفاده از هوش مصنوعی توسعه داده‌اند. یافته‌های این تحقیق در آخرین شماره نشریه مواد و طراحی که یک نشریه بین‌المللی در زمینه علوم مواد است منتشر شد.
مواد فلزی به طور متعارف با مخلوط کردن عنصر اصلی که دارای خاصیت مورد نظر است، با دو یا سه عنصر کمکی ساخته می‌شوند. در مقابل، HEAها از ترکیب پنج یا چند عنصر با نسبت‌های برابر یا مشابه و بدون حضور عنصر اصلی ساخته می‌شوند. از لحاظ نظری انواع آلیاژهایی که می‌توانند به این شکل ساخته شوند نامحدود هستند و دارای خواص مکانیکی، حرارتی، فیزیکی و شیمیایی استثنایی هستند. آلیاژهای مقاوم در برابر خوردگی یا دمای بسیار پایین و آلیاژهای با مقاومت بالا، قبلاً کشف شده‌اند.
با این حال تاکنون طراحی مواد آلیاژی جدید با آنتروپی بالا به صورت آزمون و خطا بوده است. بنابراین این فرایند همیشه نیازمند زمان و بودجه بسیار زیادی بود. همچنین تعیین فاز و خواص مکانیکی و حرارتی آلیاژ با آنتروپی بالایی که در حال تولید است نیز دشوار بود.
به این منظور، تیم تحقیقاتی مشترک بر روی توسعه مدل‌های پیش‌بینی HEAs با مدل‌های پیش‌بینی فاز پیشرفته و قابلیت توجیه با استفاده از یادگیری عمیق متمرکز شدند. آن‌ها از یادگیری عمیق در سه بخش استفاده کردند: بهینه‌سازی مدل، تولید داده و تجزیه و تحلیل پارامترها. به طور خاص، تمرکز بر ساخت یک مدل افزایش داده بر اساس شبکه مولد خصمانه مشروط بود. این امر به مدل‌های هوش مصنوعی اجازه می‌دهد نمونه‌هایی از HEAs را که هنوز کشف نشده‌اند منعکس کنند و در نتیجه دقت پیش‌بینی فاز را در مقایسه با روش‌های مرسوم بهبود بخشد.
علاوه بر این، تیم تحقیق یک مدل پیش‌بینی فاز مبتنی بر هوش مصنوعی برای ارائه قابلیت توجیه به مدل‌های یادگیری عمیق ایجاد کرد که مانند یک جعبه سیاه عمل می‌کند. این مدل در عین حال راهنمایی‌هایی در مورد پارامترهای کلیدی طراحی برای ایجاد HEA با مراحل خاص را ارائه می‌دهد.
پروفسور سونگچول لی اظهار داشت: “این تحقیق نتیجه بهبود کامل محدودیت‌های تحقیق موجود با استفاده از هوش مصنوعی درزمینه ساخت HEAs است که اخیرا توجه زیادی را به خود جلب کرده‌است. همکاری چند رشته‌ای تیم تحقیقاتی مشترک، نتایجی را به دست آورده‌است که می‌تواند ساخت مواد جدید مبتنی بر هوش مصنوعی را تسریع کند.”
پروفسور هیونگیو جین همچنین افزود: “انتظار می‌رود نتایج مطالعه زمان و هزینه مورد نیاز برای فرآیند توسعه مواد جدید را کاهش دهد و به طور فعال برای تولید آلیاژهای جدید با آنتروپی بالا در آینده استفاده شود.”
