Neue Entdeckung Einer Legierung Mit Hoher Entropie! Um Eine Hochpräzise Vorhersage Der Oxidationsbeständigkeit Zu Erreichen, Arbeiten Mehrere Teams Zusammen. Eine Erhöhung Des Aluminium-/Chrom-/Siliziumgehalts Kann Die
Als eine der wichtigsten Komponenten eines Flugzeugtriebwerks müssen Turbinenschaufeln kontinuierlich bei hohen Temperaturen von über 1.000 °C arbeiten und dabei enormen mechanischen Belastungen standhalten. Im Jahr 2018 kam es während des Fluges in einem kommerziellen Passagierflugzeug der Southwest Airlines plötzlich zu einem Triebwerkausfall, der eine Notlandung erforderlich machte. Nachfolgende Untersuchungen ergaben, dass die Hauptursache des Versagens Oxidation und Korrosion der Turbinenschaufeln des Triebwerks in einer Umgebung mit hohen Temperaturen waren, was schließlich zu einem strukturellen Versagen führte.
Dieser Vorfall verursachte nicht nur enorme Verluste für die Fluggesellschaften, sondern führte den Wissenschaftlern auch vor Augen:Herkömmliche Hochtemperaturmaterialien haben ihre Leistungsgrenzen erreicht und um den zukünftigen Herausforderungen gerecht zu werden, wird dringend ein leistungsfähigeres Material benötigt.
Lange Zeit waren Superlegierungen auf Nickelbasis das bevorzugte Material für die Herstellung von Turbinenschaufeln, doch mit der kontinuierlichen Verbesserung der Leistung von Flugzeugtriebwerken stößt die Leistungsfähigkeit von Superlegierungen auf Nickelbasis allmählich an ihre Grenzen. Wissenschaftler begannen mit der Suche nach neuen Materialien, die bei höheren Temperaturen und in raueren Umgebungen stabil funktionieren. Dann,Es entstanden feuerfeste Hochentropielegierungen (RHEAs) und feuerfeste Verbundlegierungen mit hoher Entropie (RCCAs).
Diese neuen Materialien weisen aufgrund ihrer einzigartigen Zusammensetzung und Struktur eine erstaunliche Hochtemperaturleistung auf und werden als „Hoffnung für die nächste Generation von Hochtemperaturmaterialien“ gefeiert. Es stellt sich jedoch auch die Frage: Wie lassen sich die antioxidativen Eigenschaften dieser neuen Materialien in Umgebungen mit hohen Temperaturen schnell und genau vorhersagen?
Herkömmliche Methoden sind nicht nur zeit- und arbeitsintensiv, sondern auch schwierig zu handhaben, da sie die Vielfalt komplexer Legierungssysteme nur schwer bewältigen können. Kürzlich hat ein gemeinsames Forschungsteam der Universität Bordeaux in Frankreich, des Nationalen Instituts für Materialwissenschaften in Japan, der Nationalen Tsing Hua Universität in Taiwan, China, der Universität Leuven in Belgien und des WEL-Instituts in BelgienDie hochpräzise Vorhersage der antioxidativen Eigenschaften von RHEAs und RCCAs wurde erfolgreich durch die Gradient Boosting Decision Tree (GBDT)-Technologie erreicht.Es brachte einen revolutionären Durchbruch auf dem Gebiet der Materialwissenschaften.
Die entsprechenden Ergebnisse wurden in Scripta Materialia, einer Zeitschrift im Bereich der Materialwissenschaften, unter dem Titel „Advancing refractory high entropy alloy development with AI-predictive models for high temperature oxidation resistance“ veröffentlicht.
Link zum Artikel:
https://doi.org/10.1016/j.scriptamat.2024.116394
Das Open-Source-Projekt „awesome-ai4s“ vereint mehr als 200 AI4S-Papierinterpretationen und stellt umfangreiche Datensätze und Tools bereit:
https://github.com/hyperai/awesome-ai4s
KI soll das Problem der Oxidationsvorhersage bei der Suche nach einem perfekten Ersatz für nickelbasierte Superlegierungen lösen
Die rasante Entwicklung der modernen Industrie ist untrennbar mit der kontinuierlichen Innovation der Materialwissenschaften verbunden. Von der Luft- und Raumfahrt bis zur Energieentwicklung, von elektronischen Geräten bis zu medizinischen Geräten geht jeder Technologiesprung mit der Geburt neuer Materialien einher. Unter ihnen spielen Hochtemperaturlegierungen aufgrund ihrer herausragenden Leistung immer eine zentrale Rolle.
Hochtemperaturlegierungen sind Hochleistungsmaterialien, die auch in Umgebungen mit extrem hohen Temperaturen eine hohe Festigkeit, Oxidationsbeständigkeit, Heißkorrosionsbeständigkeit, Ermüdungsbeständigkeit, Bruchzähigkeit und eine stabile innere Struktur bewahren können. Es besteht hauptsächlich aus Elementen wie Eisen, Nickel und Kobalt und wird durch Elemente wie Titan, Aluminium, Chrom, Molybdän und Wolfram ergänzt.Abhängig von den Matrixelementen können Hochtemperaturlegierungen in drei Kategorien unterteilt werden: auf Eisenbasis, auf Nickelbasis und auf Kobaltbasis.
Unter diesen werden eisenbasierte Hochtemperaturlegierungen häufig in Motorteilen mit niedrigeren Betriebstemperaturen verwendet; Hochtemperaturlegierungen auf Nickelbasis werden aufgrund ihrer hervorragenden Hochtemperaturfestigkeit häufig in den heißesten Teilen von Flugzeugtriebwerken und industriellen Gasturbinen verwendet und machen etwa 80% des Gesamtbedarfs an Hochtemperaturlegierungen aus. Hochtemperaturlegierungen auf Kobaltbasis sind aufgrund ihrer hervorragenden Gieß- und Schweißbarkeit die ideale Wahl für Leitschaufelmaterialien.
Unter den vier weltweit wichtigsten Hochtemperaturlegierungssystemen nehmen Nickelbasislegierungen eine zentrale und wichtige Stellung ein. In den letzten Jahren haben sich feuerfeste Hochentropielegierungen (RHEAs) und feuerfeste Verbundlegierungen mit hoher Entropie (RCCAs) zu wichtigen Kandidatenmaterialien für Hochtemperaturanwendungen entwickelt. Diese Legierungen sind durch eine Mischung mehrerer feuerfester Hauptelemente (wie Zr, Hf, V, Nb, Ta, Cr, Mo, W und Re) mit geringen Zusätzen von Al, Si oder Ti gekennzeichnet.Sie weisen im Allgemeinen bessere mechanische Eigenschaften und höhere Schmelzpunkte als herkömmliche Materialien auf und können Temperaturen von über 1000 °C standhalten.Es stellt eine starke Konkurrenz für Superlegierungen auf Nickelbasis dar. Allerdings ist auch die Entwicklung von RHEAs und RCCAs mit großen Herausforderungen verbunden. Sie oxidieren leicht, was insbesondere in vielen Hochtemperaturumgebungen auftritt und ihre mechanischen Eigenschaften erheblich schwächen kann.
Allerdings wird der Hochtemperaturoxidationsprozess durch komplexe thermodynamische und kinetische Faktoren gesteuert, die an der Bildung, dem Wachstum, der Auflösung und dem Abplatzen der Oxidschicht beteiligt sind. Lange Zeit verließen sich Forscher jedoch hauptsächlich auf empirische Beobachtungen und komplexe physikalische Modelle, um das Oxidationsverhalten von Legierungen vorherzusagen. Diese traditionellen Methoden unterliegen jedoch erheblichen Einschränkungen.
Mit der kontinuierlichen Weiterentwicklung der künstlichen Intelligenz haben Hochdurchsatz-Computermethoden und fortschrittliche Charakterisierungstechniken neue Ideen für die Untersuchung von RHEAs und RCCAs geliefert.
XGBoosts „Highlight Moment“: Eine Erhöhung des Al-, Cr- und Si-Gehalts kann die Oxidationsbeständigkeit der Legierung effektiv verbessern
Die Leistung von KI-Modellen hängt stark von der Qualität der Trainingsdaten ab. Um die Oxidationsbeständigkeit einer Legierung vorherzusagen, müssen Forscher einen genauen Datensatz erstellen, der die chemische Zusammensetzung der Legierung, die Oxidationsbedingungen (wie Temperatur und Zeit) und die Kennzahlen zur Oxidationsbeständigkeit (wie Massenzunahme) verknüpft. Das Oxidationsverhalten von Legierungen beinhaltet jedoch komplexe physikalische und chemische Prozesse, darunter Elementdiffusion, mikrostrukturelle Veränderungen, Oxidstabilität und Umwelteinwirkungen.Derzeit steht der wissenschaftlichen Gemeinschaft keine große Datenbank zur direkten Nutzung zur Verfügung.
Zu diesem Zweck haben die Forscher dieser Studie die veröffentlichte Literatur „durchforstet“ und eine große Menge experimenteller Daten extrahiert.Es wurde ein umfassender Datensatz mit 886 Beobachtungen erstellt.Die Daten umfassen herkömmliche feuerfeste Legierungen und RHEAs/RCCAs aus 11 Elementen (Al, Cr, Hf, Mo, Nb, Si, Ta, Ti, V, W und Zr) mit detaillierten Aufzeichnungen der Legierungszusammensetzung, der Oxidationstesttemperatur und der Einwirkzeit. Diese Deskriptoren sind während des Legierungsherstellungsprozesses steuerbar und bilden die Grundlage für die nachfolgende Modellierung mittels maschinellem Lernen.
Um die Beziehung zwischen den verschiedenen Legierungskomponenten im Datensatz intuitiver zu verstehen, visualisierten die Forscher die Daten. Dabei verwendeten sie 163 Knoten zur Darstellung verschiedener Legierungen und die Farbe jedes Knotens, um das Element mit dem höchsten Molarprozentsatz anzuzeigen. Die Ergebnisse zeigen, dassIm Datensatz wurden drei Hauptbereiche mit hoher Konzentration gebildet.Wie in der folgenden Abbildung gezeigt: Der blaue Bereich wird von Al dominiert, der orangefarbene Bereich von Cr und der violette Bereich von Nb. Diese Bereiche spiegeln die Bedeutung verschiedener Elemente bei der Legierungsgestaltung wider.
Um den Datensatz weiter anzureichern,Die Forscher extrahierten zufällig neun Komponenten aus diesen hochkonzentrierten Bereichen und synthetisierten mithilfe der Lichtbogenschmelztechnologie neun „zufällige“ Legierungen.Durch die Hinzufügung dieser neuen Legierungen wird nicht nur die Vielfalt des Datensatzes erweitert, sondern es werden auch mehr Beispiele für das Training und die Validierung des Modells bereitgestellt.
Da der Datensatz relativ klein war und die antioxidative Aktivität komplexe nichtlineare Beziehungen beinhaltete, entschieden sich die Forscher für den XGBoost-Algorithmus (Extreme Gradient Boosting), ein effizientes Gradient Boosting Decision Tree (GBDT)-Modell. XGBoost ist für seine Fähigkeit bekannt, nichtlineare Beziehungen und Funktionsinteraktionen zu verarbeiten.Sehr gut geeignet zur Lösung dieser Art von Problemen.
Nachdem das Modell anhand des gesamten Datensatzes von 886 Beobachtungen trainiert wurde, zeigen die Ergebnisse, dass XGBoost bei mehreren Leistungskennzahlen gute Leistungen erbringt.Im Vergleich zum herkömmlichen multiplen linearen Regressionsmodell (MLR) hat XGBoost erhebliche Verbesserungen beim Bestimmtheitsmaß (R²), dem mittleren quadratischen Fehler (RMSE) und dem mittleren absoluten Fehler (MAE) erzielt. Dies bedeutet, dass XGBoost die Oxidationsbeständigkeit der Legierung genauer vorhersagen kann.
Um besser zu verstehen, welche Faktoren den größten Einfluss auf die antioxidative Kapazität hatten, berechneten die Forscher SHAP-Werte (Shapley Additive Explanations), eine Methode zur Erklärung der Ausgabe von Modellen des maschinellen Lernens. Die Ergebnisse zeigen:
* Oxidationstemperatur und -zeit sind Schlüsselfaktoren, die die Oxidationsbeständigkeit beeinflussen. Je höher die Temperatur und je länger die Zeit, desto größer ist die Massenzunahme der Legierung und desto schlechter die Oxidationsbeständigkeit.
* Die Konzentrationen von Nb, Zr, V, Ti, W und Hf korrelierten positiv mit der Massenzunahme, was darauf hindeutet, dass diese Elemente einen negativen Einfluss auf die Oxidationsbeständigkeit haben.
* Im Gegenteil, steigende Konzentrationen von Al, Mo, Cr, Ta und Si reduzieren die Massenzunahme und erhöhen somit die Oxidationsbeständigkeit.
Diese Erkenntnisse bestätigen nicht nur bekannte wissenschaftliche Gesetze, sondern liefern auch wichtige Hinweise für die zukünftige Entwicklung von Legierungen. Zum Beispiel,Durch eine Erhöhung des Gehalts an Al (Aluminium), Cr (Chrom) und Si (Silizium) kann die Oxidationsbeständigkeit der Legierung wirksam verbessert werden.
Der Aufstieg der chinesischen Hochtemperaturlegierungsindustrie und die Unterstützung künstlicher Intelligenz
In der globalen Materialwissenschaft gelten Hochtemperaturlegierungen aufgrund ihrer Unersetzlichkeit in Schlüsselbereichen wie der Luft- und Raumfahrt und der Energieentwicklung seit jeher als strategische Materialien. Aufgrund der komplexen Produktionstechnologie, der langen Forschungs- und Entwicklungszyklen und der hohen Kapitalinvestitionen ist die Hochtemperaturlegierungsindustrie jedoch seit langem von einigen wenigen internationalen Giganten monopolisiert, wodurch ein klares oligopolistisches Muster entsteht. Die Industrieländer, allen voran die USA, haben ihren First-Mover-Vorteil ausgenutzt.Es entstanden Branchenriesen wie Pratt & Whitney (PCC), Carpenter und Haynes International.Diese Unternehmen beherrschen nicht nur Kerntechnologien und Patente, sondern kontrollieren durch vertikale Integration und globale Aufstellung auch den Weltmarkt.
Im Gegensatz dazu begann Chinas Industrie für Hochtemperaturlegierungen zwar spät, entwickelte sich aber rasch. In den letzten JahrenChina hat im Bereich der Hochtemperaturlegierungen den Sprung vom „Mitläufer“ zum „Mitläufer“ geschafft und ist in einigen Bereichen sogar zum „Führer“ geworden.
Zu den inländischen Institutionen, die sich derzeit mit der Forschung, Entwicklung und Herstellung von Hochtemperaturlegierungen beschäftigen, gehören wissenschaftliche Forschungsinstitute wie das General Iron and Steel Research Institute, das Beijing Institute of Aeronautical Materials, das Institute of Metal Research, die Chinese Academy of Sciences und die University of Science and Technology Beijing sowie hochkarätige Unternehmen wie das China Iron and Steel Research Institute, Western Superconducting, die AVIC Shanghai University und Tunan Co., Ltd. Durch jahrelange technologische Anhäufung und Innovation haben diese Einheiten einen Durchbruch von „Nichts“ zu „Etwas“ erzielt und in einigen Bereichen ein international führendes Niveau erreicht.
Die Leistungsoptimierung von Hochtemperaturlegierungen ist jedoch ein komplexes Problem mit mehreren Zielen, bei dem das beste Gleichgewicht zwischen mehreren Indikatoren wie Hochtemperaturfestigkeit, Duktilität bei Raumtemperatur und Oxidationsbeständigkeit gefunden werden muss. In den letzten Jahren hat die Einführung künstlicher Intelligenz zu revolutionären Durchbrüchen im Design von Hochtemperaturlegierungen geführt. Mit der kontinuierlichen Integration von KI für die Wissenschaft und den Bereich der Materialwissenschaften haben inländische Forscher begonnen, sich auf neue Durchbrüche in der KI-Technologie im Bereich der Hochtemperaturlegierungen zu konzentrieren und haben im vergangenen Jahr 2024 viele Fortschritte erzielt.
Beispielsweise hat das Team von Su Yanjing an der University of Science and Technology Beijing ein Framework zur Multi-Objective-Optimierung (MOO) vorgeschlagen, das maschinelles Lernen, genetische Suche, Clusteranalyse und experimentelles Feedback kombiniert.Wird zum Entwurf feuerfester Hochentropielegierungen (RHEAs) mit optimaler Hochtemperaturfestigkeit und Duktilität bei Raumtemperatur verwendet.Das Team synthetisierte 24 RHEAs und überprüfte experimentell, dass die ZrNbMoHfTa-Legierung bei hohen Temperaturen eine hervorragende Leistung zeigte.
Zuvor konzentrierte sich das Forschungsteam der University of Science and Technology of China und des Institute of Metal Research der Chinesischen Akademie der Wissenschaften auf die Entwicklung von Hochtemperaturlegierungen für die additive Fertigung unter Einsatz von Technologie des maschinellen Lernens.Das Kernproblem der „Balance zwischen Rissempfindlichkeit und Hochtemperaturverhalten“ ist gelöst.Die Studie beschreibt detailliert die grundlegenden Methoden des maschinenlerngestützten Designs von Hochtemperaturlegierungen, einschließlich Datenerfassung und -vorverarbeitung, Modellerstellung und -training sowie Vorhersage der Legierungsleistung. Durch maschinelles Lernen konnte das Forschungsteam schnell für die additive Fertigung geeignete Hochtemperaturlegierungszusammensetzungen herausfiltern und so den F&E-Zyklus erheblich verkürzen.
Die entsprechenden Ergebnisse wurden in „Smart Security“ unter dem Titel „Design of Nickel-based Superalloys for Additive Manufacturing Based on Machine Learning: Research Status and Future Trends“ veröffentlicht.
Link zum Artikel:
10.12407/j.issn.2097-2075.2024.02.096
Obwohl China im Bereich der Hochtemperaturlegierungen bemerkenswerte Fortschritte erzielt hat, besteht im Vergleich zu den internationalen Giganten noch immer eine gewisse Lücke. Beispielsweise müssen die Stabilität und Konsistenz von High-End-Produkten noch weiter verbessert werden. Darüber hinaus ist die industrielle Kette der Hochtemperaturlegierungen noch nicht vollständig unabhängig kontrolliert und einige wichtige Rohstoffe und Geräte sind noch immer auf Importe angewiesen.
Durch die weitverbreitete Anwendung neuer Technologien wie künstlicher Intelligenz und Big Data eröffnen sich für Chinas Hochtemperaturlegierungsindustrie jedoch neue Entwicklungsmöglichkeiten. Mithilfe von KI-Technologie können Forscher neue Materialien entwickeln und Produktionsprozesse effizienter optimieren und so technologische Durchbrüche beschleunigen. In Zukunft dürfte China auf dem Gebiet der Hochtemperaturlegierungen den Sprung vom „Mitläufertum“ zum „Führenden“ schaffen und mehr „chinesische Weisheit“ zur globalen industriellen Entwicklung beitragen.
Quellen:
1.http://znaq.ijournals.cn/znaq/article/abstract/20240124001?st=article_issue
2.https://www.sohu.com/a/739946600_120113054
3.https://www.chyxx.com/industry/1194170.html
4.https://baijiahao.baidu.com/s?