Metaller og legeringer

img-mv26vzqu-97da5861

Beskrivelse


Søg legeringssammensætninger efter forudsigelse - højentropi-legeringer, superlegeringer og funktionelle metaller. MatterSeek forudsiger egenskaber ud fra sammensætning.

 

6 25

Metaller og legeringer — Materialesystem / Forudsigelig ydeevne / Valideringsvej

 

 

 

 

 

AI til legeringsdesign — Søg højentropi- og superlegeringssammensætninger efter forudsigelse

 

 

1. MatterSeek er en R&D-platform til AI-materialer til udvikling af legeringer.

Fordi det forudsiger egenskaber direkte fra sammensætning med et til fire basiselementer ved 0,02 dopingpræcision, er det bygget til det sammensætningssøgeproblem, der definerer højentropi legeringer, superlegeringer og funktionelle metaller.

2. Legeringsdesign har altid været et sammensætningsproblem, og søgerummet er vokset hurtigere end evnen til at udforske det.

En moderne flerkomponentlegering kan varieres over et enormt udvalg af forhold og sportilsætninger, mens kvalifikation kræver langvarig termisk eksponering og mekanisk test. Den praktiske konsekvens er, at udviklingen konvergerer på kendte kompositioner frem for at udforske rummet systematisk.

3. Søg i kompositionsrummet i software.

Du beskriver basiselementsættet og det egenskabsvindue, du har brug for - et målsmeltepunkt, et termisk eller termoelektrisk krav, et magnetisk eller strukturelt mål - og MatterSeek returnerer rangerede kandidatsammensætninger med forudsagte egenskaber og usikkerhed. Sammensætningshåndtering dækker et til fire basiselementer med en præcision på dopingniveau på 0,02, hvilket matcher, hvordan legerings- og mikrolegeringsundersøgelser faktisk er specificeret. Forudsigelsen gennemføres på cirka et minut for to basiselementer, to minutter for tre og syv minutter for fire. Resultaterne vises som radardiagrammer til sammenligning af flere egenskaber, 2D- og 3D-varmekort, der afslører egenskabsgradienter på tværs af et sammensætningsområde og eksporterbare datatabeller.

4. Egenskaber i omfang.

Motoren dækker familier, herunder elektrokemisk, dielektrisk, termisk, termodynamisk, magnetisk, optisk og mekanisk adfærd - blandt dem dielektrisk konstant, smeltepunkt, superledende kritisk temperatur, Seebeck-koefficient, effektfaktor og termoelektrisk værdi. Resultater returneres som radardiagrammer til sammenligning af flere egenskaber, 2D- og 3D-varmekort for komposition-ejendomslandskaber og eksporterbare datatabeller.

5. Egenskaber, der er relevante for legeringsudvikling.

Motoren dækker termodynamiske, termiske, elektrokemiske og elektroniske ejendomsfamilier, herunder smeltepunkt, kritisk afkølingshastighed for amorfisering, Seebeck-koefficient, effektfaktor og termoelektrisk værdi. Disse parametre knytter sig direkte til udvikling af amorfe og nanokrystallinske legeringer, termoelektriske materialer og de termiske grænser, der styrer superlegeringsservice.

6. Valider med de ruter, legeringer faktisk fremstilles af.

Forudsagte kompositioner flytter ind i MatterSeeks 1.200 m² autonome laboratorium, hvis første procesklynge blev bygget til metaller: inert-atmosfære-batching, vakuuminduktionssmeltning, lysbueomsmeltning, smeltespinding eller pulverforstøvning, gnistplasmasintring, vakuumglødning og bearbejdning. Automatiseret karakterisering omfatter XRD, XRF og simultan termisk analyse. Prædiktionsnøjagtigheden er 95,7 % i forhold til fysisk måling, og hvert målt resultat feeds næste runde. Familiedækning omfatter legeringer med høj entropi, superlegeringer, amorfe og nanokrystallinske legeringer, magnetiske materialer, termoelektriske materialer, letvægts- og korrosionsbestandige legeringer og pulvermetallurgiske sammensætninger.

 

FAQ

 

 

Q: Kan MatterSeek designe højentropi-legeringer?

A: Ja. Platformen understøtter et til fire basiselementer med 0,02 dopingpræcision, hvilket er den granularitet, multikomponent legeringsundersøgelser kræver, og returnerer rangerede kandidater med forudsagte egenskaber.

Q: Hvilke legeringsegenskaber kan forudsiges?

A: Termodynamiske, termiske, elektrokemiske og elektroniske familier, inklusive smeltepunkt, kritisk afkølingshastighed for amorfisering, Seebeck-koefficient, effektfaktor og termoelektrisk værdi.

Q: Hvordan valideres kandidater?

A: Gennem det autonome laboratoriums metal-rute-klynge - vakuuminduktionssmeltning, bueomsmeltning, smeltespinding eller forstøvning, gnistplasmasintring og vakuumglødning - efterfulgt af automatiseret XRD, XRF og termisk analyse.

Yuyao (Beijing) Technology Co., Ltd. er en professionel virksomhed med speciale i skæringspunktet mellem AI og avancerede materialer af metaller og legeringer. Virksomheden har uafhængigt udviklet MatterSeek - en grundlæggende stor model skræddersyet til materialesektoren - og var banebrydende for HNN (Hierarchical Neural Network) algoritmen, mens de opbyggede en proprietær, kontrollerbar materialeeksperimentdatabase.