高エントロピー合金の新発見！複数のチームが協力して、耐酸化性の高精度予測を実現。アルミニウム/クロム/シリコン含有量を増やすことで、耐酸化性を効果的に向上できます。

航空機エンジンの最も重要な部品の一つであるタービンブレードは、非常に大きな機械的ストレスに耐えながら、1000℃を超える高温で継続的に動作する必要があります。 2018年、サウスウエスト航空の民間旅客機が飛行中に突然エンジン故障を起こし、緊急着陸を余儀なくされた。その後の調査で、故障の根本的な原因は高温環境下でのエンジンタービンブレードの酸化と腐食であり、それが最終的に構造的故障につながったことが判明しました。

この事件は航空会社に多大な損失をもたらしただけでなく、科学者たちに次のことを認識させました。従来の高温材料は性能限界に達しており、将来の課題に対応するために、より強力な材料が緊急に必要とされています。

長い間、ニッケル基超合金はタービンブレードの製造に好まれる材料でしたが、航空機エンジンの性能が継続的に向上するにつれて、ニッケル基超合金の性能は徐々に限界に近づいてきました。科学者たちは、より高温かつ過酷な環境でも安定して機能できる新しい材料を探し始めました。それから、耐火高エントロピー合金 (RHEA) と耐火複合高エントロピー合金 (RCCA) が誕生しました。

これらの新素材は、その独特な組成と構造により驚異的な高温性能を発揮し、「次世代の高温素材の希望」として期待されています。しかし、次のような疑問も生じます。高温環境におけるこれらの新素材の抗酸化特性を、いかに迅速かつ正確に予測するか。

従来の方法は、時間と労力がかかるだけでなく、複雑な合金システムの多様性に対処することも困難です。最近、フランスのボルドー大学、日本の物質・材料研究機構、中国の台湾国立清華大学、ベルギーのルーヴェン大学、ベルギーのWEL研究所の共同研究チームが、RHEA と RCCA の抗酸化特性の高精度予測は、勾配ブースティング決定木 (GBDT) 技術によって成功裏に達成されました。それは材料科学の分野に革命的な進歩をもたらしました。

関連する結果は、材料科学分野のジャーナルであるScripta Materialiaに「高温酸化耐性のAI予測モデルによる耐火高エントロピー合金開発の推進」というタイトルで掲載されました。

論文リンク:
https://doi.org/10.1016/j.scriptamat.2024.116394
オープンソース プロジェクト「awesome-ai4s」は、200 を超える AI4S 論文の解釈をまとめ、膨大なデータ セットとツールを提供します。

https://github.com/hyperai/awesome-ai4s

AIはニッケルベースの超合金の完全な代替品を探すための酸化予測問題を解決することが期待されている

現代産業の急速な発展は、材料科学の継続的な革新と切り離すことはできません。航空宇宙からエネルギー開発、電子機器から医療機器まで、あらゆる技術の飛躍には新しい素材の誕生が伴います。その中でも、耐熱合金は優れた性能により常に中心的な役割を果たしています。

耐熱合金は、極めて高温の環境下でも高い強度、耐酸化性、耐高温腐食性、耐疲労性、破壊靭性、安定した内部構造を維持できる高性能材料です。鉄、ニッケル、コバルトなどの元素を主成分とし、チタン、アルミニウム、クロム、モリブデン、タングステンなどの元素が添加されています。高温合金は、マトリックス元素に応じて、鉄ベース、ニッケルベース、コバルトベースの 3 つのカテゴリに分類されます。

そのうち、鉄系高温合金はエンジンの動作温度が低い部分によく使用され、ニッケル系高温合金は優れた高温強度のため、航空機エンジンや産業用ガスタービンの最も高温の部分に広く使用され、高温合金の総需要の約80%を占めています。コバルト系高温合金は、鋳造性と溶接性に優れているため、ガイドブレードの材料として理想的な選択肢です。

世界の4大高温合金系の中で、ニッケル基合金は極めて中核的かつ重要な位置を占めています。近年、耐火高エントロピー合金 (RHEA) と耐火複合高エントロピー合金 (RCCA) が、高温用途の重要な候補材料となっています。これらの合金は、いくつかの主要な耐火元素（Zr、Hf、V、Nb、Ta、Cr、Mo、W、Re など）と少量の Al、Si、Ti の混合物が特徴です。これらは通常、従来の材料よりも優れた機械的特性と高い融点を示し、1000°C を超える温度に耐えることができます。ニッケルベースの超合金に対して強力な競争を提供します。しかし、RHEA と RCCA の開発には大きな課題もあります。これらは酸化されやすく、特に多くの高温環境で顕著となり、機械的特性が著しく弱まる可能性があります。

高温酸化プロセスは、酸化物層の形成、成長、溶解、剥離を含む複雑な熱力学的および運動学的要因によって制御されます。しかし、長い間、研究者は合金の酸化挙動を予測するために主に経験的観察と複雑な物理モデルに依存してきましたが、これらの従来の方法には大きな限界があります。

人工知能技術の継続的な発展により、高スループットコンピューティング手法と高度な特性評価技術が、RHEA と RCCA の研究に新たなアイデアをもたらしました。

XGBoostの「ハイライトモーメント」：Al、Cr、Siの含有量を増やすと、合金の耐酸化性が効果的に向上します。

AI モデルのパフォーマンスは、トレーニング データの品質に大きく依存します。合金の耐酸化性を予測するには、研究者は合金の化学組成、酸化条件 (温度や時間など)、耐酸化性指標 (質量増加など) を関連付けた正確なデータセットを構築する必要があります。しかし、合金の酸化挙動には、元素の拡散、微細構造の変化、酸化物の安定性、環境との相互作用など、複雑な物理的および化学的プロセスが関わってきます。現在、科学界で直接使用できる大規模なデータベースは存在しません。

この目的のために、この研究の研究者たちは、公開された文献から「採掘」し、大量の実験データを抽出しました。886 件の観測値を含む包括的なデータセットが構築されました。データは、11 種類の元素 (Al、Cr、Hf、Mo、Nb、Si、Ta、Ti、V、W、Zr) で構成される従来の耐火合金と RHEA/RCCA をカバーしており、合金の組成、酸化試験温度、暴露時間の詳細な記録が含まれています。これらの記述子は合金製造プロセス中に制御可能であり、その後の機械学習モデリングの基礎となります。

データセット内のさまざまな合金成分間の関係をより直感的に理解するために、研究者は 163 個のノードを使用してさまざまな合金を表し、各ノードの色を使用してモル百分率が最も高い元素を示すことでデータを視覚化しました。結果は、データセットには 3 つの主要な高濃度領域が形成されました。下の図に示すように、青い領域は Al が主成分、オレンジ色の領域は Cr が主成分、紫色の領域は Nb が主成分です。これらの領域は、合金設計におけるさまざまな要素の重要性を反映しています。

データセットをさらに充実させるために、研究者らは、これらの高濃度領域から9つの成分をランダムに抽出し、アーク溶解技術を使用して9つの「ランダム」合金を合成した。これらの新しい合金の追加により、データセットの多様性が拡大するだけでなく、モデルのトレーニングと検証のためのサンプルもさらに多く提供されます。

データセットが比較的小規模で、抗酸化活性には複雑な非線形関係が関係していたため、研究者は効率的な勾配ブースティング決定木 (GBDT) モデルである XGBoost (Extreme Gradient Boosting) アルゴリズムを選択しました。 XGBoost は、非線形関係と機能の相互作用を処理できることで知られています。この種の問題を解決するのに非常に適しています。

886 個の観測値のデータセット全体でモデルをトレーニングした結果、XGBoost が複数のパフォーマンス メトリックで優れたパフォーマンスを発揮することが示されました。従来の多重線形回帰モデル (MLR) と比較して、XGBoost は決定係数 (R²)、二乗平均平方根誤差 (RMSE)、および平均絶対誤差 (MAE) において大幅な改善を達成しました。これは、XGBoost が合金の耐酸化性をより正確に予測できることを意味します。

どの要因が抗酸化能力に最も大きな影響を与えたかをさらに理解するために、研究者らは機械学習モデルの出力を説明する方法であるSHAP値（Shapley Additive Explanations）を計算しました。結果は次のようになります:

* 酸化温度と時間は耐酸化性に影響を与える重要な要素です。温度が高く時間が長いほど、合金の質量増加が大きくなり、耐酸化性が低下します。

* Nb、Zr、V、Ti、W、Hf の濃度は質量増加と正の相関関係にあり、これらの元素が耐酸化性に悪影響を及ぼすことを示しています。

* 逆に、Al、Mo、Cr、Ta、Si の濃度が増加すると質量増加が減少し、耐酸化性が向上します。

これらの発見は、既知の科学法則を検証するだけでなく、将来の合金設計に重要な指針を提供します。例えば、Al（アルミニウム）、Cr（クロム）、Si（シリコン）の含有量を増やすと、合金の耐酸化性が効果的に向上します。

中国の高温合金産業の台頭と人工知能の支援

材料科学の世界では、高温合金は航空宇宙、エネルギー開発などの重要な分野においてかけがえのない存在であることから、常に戦略的な材料とみなされてきました。しかし、高温合金業界は、生産技術が複雑で、研究開発サイクルが長く、資本投資が大きいため、長い間、少数の国際的大企業によって独占されており、明らかな寡占構造を形成しています。アメリカを代表とする先進国は先行者利益を活用してきた。プラット・アンド・ホイットニー（PCC）、カーペンター、ヘインズ・インターナショナルなどの業界大手が設立されました。これらの企業は、コア技術と特許を習得するだけでなく、垂直統合とグローバルなレイアウトを通じて世界市場をしっかりとコントロールしています。

対照的に、中国の高温合金産業は遅れて始まったものの、急速に発展した。近年では、中国は、高温合金の分野で「追随」から「並走」へと飛躍し、一部の分野では「リーダー」にまでなった。

現在、国内で高温合金の研究開発と製造に従事している機関には、中国総合鋼鉄研究所、北京航空材料研究所、中国科学院金属研究所、北京科技大学などの科学研究機関、および中国鋼鉄研究所、西部超電導、上海航空工業大学、屯南有限公司などの優良企業が含まれます。これらのユニットは、長年の技術の蓄積と革新を通じて、「無」から「有」への飛躍的進歩を達成し、いくつかの分野では国際的な先進レベルに達しています。

しかし、高温合金の性能最適化は複雑な多目的問題であり、高温強度、室温延性、耐酸化性などの複数の指標間の最適なバランスを見つける必要があります。近年、人工知能技術の導入により、高温合金の設計に革命的な進歩がもたらされました。 AI科学と材料科学分野の継続的な統合により、国内の研究者は高温合金分野におけるAI技術の新たなブレークスルーに注力し始め、2024年までに多くの進歩を遂げました。

たとえば、北京科技大学の Su Yanjing 氏のチームは、機械学習、遺伝子検索、クラスター分析、実験フィードバックを組み合わせた多目的最適化 (MOO) フレームワークを提案しました。最適な高温強度と室温延性を備えた耐火高エントロピー合金 (RHEA) を設計するために使用されます。研究チームは24個のRHEAを合成し、ZrNbMoHfTa合金が高温で優れた性能を発揮することを実験的に検証した。

※詳細レポートはこちらをクリック：1200℃の高温性能限界を突破！北京理工大学は機械学習を利用して、室温で優れた延性を持つ24種類の耐火高エントロピー合金を合成した。

これに先立ち、中国科学技術大学と中国科学院金属研究所の研究チームは、機械学習技術を用いて、積層造形用の高温合金の設計に注力していた。「亀裂感受性と高温性能のバランス」という重要な課題が解決されました。この研究では、データの収集と前処理、モデルの構築とトレーニング、合金の性能予測など、機械学習を活用した高温合金設計の基本的な方法について詳しく説明しています。研究チームは機械学習を通じて、積層造形に適した高温合金組成を迅速に選別し、研究開発サイクルを大幅に短縮することができました。

関連する結果は、「機械学習に基づく付加製造のためのニッケル基超合金の設計：研究の現状と将来の動向」というタイトルで「Smart Security」に掲載されました。

論文リンク:
10.12407/j.issn.2097-2075.2024.02.096

中国は高温合金の分野で目覚ましい進歩を遂げているものの、国際的大国と比べるとまだ一定の差がある。たとえば、ハイエンド製品の安定性と一貫性は、さらに改善する必要があります。さらに、高温合金の産業チェーンはまだ完全な自主管理を達成しておらず、一部の重要な原材料や設備は依然として輸入に依存しています。

しかし、人工知能やビッグデータなどの新興技術の広範な応用により、中国の高温合金産業は新たな発展の機会を迎えています。 AI テクノロジーにより、研究者は新しい材料を設計し、生産プロセスをより効率的に最適化できるため、技術革新が加速します。今後、中国は高温合金分野で「並走」から「先行」への飛躍を遂げ、世界の産業発展にさらなる「中国の知恵」を貢献することが期待される。

参考文献:
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?