新闻稿   首页  >   新闻 & 出版物  > 新闻

2022年5月9日

用人工智能加速材料研究,使九卅体育APL研究人员领先于“不可能的”挑战

人工智能预测的真实添加制造缺陷微观结构的应力响应图像.

人工智能预测的实际添加制造缺陷微观结构的应力响应. 上排:使用x射线计算机断层扫描获得的金属孔隙结构示例. 底部一行:ai预测的应力场,突出了缺陷之间复杂的相互作用. 0表示没有压力, 而数值为3则表示该区域处于高应力状态, 在这种情况下,材料很可能会失效.

图片来源:九卅体育appAPL


带有负载传感器的机械臂图像和设计合适的测试件

通过将机械臂与负载传感器相结合,设计出合适的测试件, APL科学家可以在短时间内进行大量的力学测试,并自动记录结果, 产生大量的数据, 反过来, 用于训练机器学习算法,以加速材料发现或自动“调整”材料以达到所需的材料性能指标.

图片来源:九卅体育appAPL


合成样品材料以加速材料发现的图像

样本材料合成的一部分之间的合作APL和 PARADIM 九卅体育实验室加速材料发现. APL研究人员开发的AI模型瞬时分析了每种材料的x射线衍射(XRD)模式, 能够确定候选超导体.

图片来源:九卅体育appAPL/九卅体育

隔热涂层 NASA历史性的 帕克太阳探测器 涂料 高超音速 车辆和 粘合剂 水下应用, 位于劳雷尔的约翰·霍普金斯应用物理实验室(APL)的研究人员, 马里兰州的研究表明,材料开发是创新的核心,甚至可以实现以前不可能的事情.

尤其是研究新材料, 描述它们的属性以确保它们能像预期的那样工作是很耗时的, 资源密集且昂贵.

“材料开发的标准方法是, 创建一批50个左右的样本, 仔细检查每一个,以确定其结构和物理性质, 然后进行测试来评估他们的表现,” 摩根Trexler,他领导 极限与多功能材料科学“, APL研究与探索开发部(REDD)项目. “然后你调整一个变量,再做一次, 一次又一次, 一次又一次, 直到你找到合适的素材.”

“目前的新材料设计和发现方法, 无论它们是基于理论还是实验, 需要大量的数据,” 克里斯托弗·斯泰尔斯他是REDD的高级计算材料研究员.

在人工智能(AI)和机器学习(ML)模型可以处理大量数据的时代, 增材制造和合成方法可以快速生产出新材料的样品, 需要一种新的材料表征范式——一种可以利用尖端软件技术和硬件平台的范式. APL正在开发该领域的多个应用程序,利用其 AI/ML专业知识, 建模与仿真, 材料科学, 以及它的增材制造能力, 加速表征和分析管道.

当表征材料时, 在准确性之间经常需要权衡, 时间和吞吐量,” 艾迪·基恩戈尔他是REDD的高级材料研究员. “传统上, 您只处理了几个物理上较大的样本, 而且,要达到历史标准中推荐的精确值需要时间. 但当你试图发明一种新材料时, 你通常会制造少量的物质, 九卅体育的想法是, 你可以用精度和准确性来换取高吞吐量,并收集更多的数据,这些数据可以用来训练AI/ML模型.”

晶体结构的清晰度

一种材料的晶体结构——材料中原子的组织——决定了它的许多性质. 分析和解释一种全新材料的晶体结构可能是一个耗时的过程, 但APL的科学家们正在应用人工智能,使这一过程大大加快.

高级计算材料研究员 南问. Le 正在领导开发一种可以自动筛选材料晶体结构的人工智能模型. 其目标是加速发现具有理想性能的新材料, 就像超导.

Le的模型接受了30多个训练,000个模拟x射线衍射图案, 包括现有数据库中已知的超导体. 结果是, 该模型可以简单地从晶体结构的模式来确定一种合成材料是否是候选超导体. 通过这种方法, 勒解释说, 人工智能筛选可以解放专家的时间,只分析最佳候选人.

“当你在寻找一种新材料的过程中,有数百个样品需要分析, 这在所需的时间和资源方面产生了巨大的差异,乐说. “与进行重复的物理实验相比,在合成数据上建立模型既便宜又简单.”

大规模压力测试

高通量技术也可以应用于机械测试-评估性能,如抗拉强度, 弹性, 弯管阻力, 抗断裂性等. 机械性能的标准测试过程进展缓慢, 允许在一天内测试大约20个样本. 但在过去的一年里, APL的科学家和工程师们设计了一种方法,将其提高了几个数量级.

该原型系统结合了一个机械臂,在数十个样品阵列上快速连续地执行拉伸强度测试,以及一个自动连续记录结果的负载传感器. 该系统能够实现比标准方法快200倍的吞吐量. 同样的方法也可以应用于各种不同的力学性能.

九卅体育专注于这个原型的抗拉强度, 但这种方法可以扩展到弯曲, 骨折, 扭转, 疲劳等等,” 萨尔尼姆他是一名高级材料和测试工程师,领导了该系统的开发. “九卅体育预计这项技术将被用于自主测量任何设计关键属性, 九卅体育还在进行其他类似的努力, 例如用循环加载来测试疲劳强度.”

另一种互补的方法是 小型力学试验研究人员用它来评估抗拉强度和其他机械性能. 虽然比利用自主权慢, 这种方法可以用相对少量的材料收集许多数据点, 与大规模测试相比,这使得它更具成本效益和效率.

模拟加速

在某些情况下,AI/ML技术可以用来完全绕过机械测试. 材料科学家 布伦丹Croom 领导创建了 一种新型ML模型 它可以仅根据材料的孔隙率来预测其弹性应力响应. 而且这个模型很快, 它可以实时评估材料:它可以在几秒钟内模拟应力反应, 而传统的数值模拟则需要数小时才能完成.

九卅体育知道, 一般来说, 多孔性大的材料在机械上可能不坚固, 但在此之前,九卅体育必须进行机械测试来验证和量化这种关系,克鲁姆说. 有了这个模型, 然而, 九卅体育可以快速评估孔隙率如何影响材料的弹性应力响应. 因为这个模型是用高保真计算机模拟的数据训练出来的, 九卅体育知道九卅体育可以相信结果.”

综上所述, 实验室最近在表征和分析新材料方面的工作消除了阻碍材料发展步伐的一个关键瓶颈——即, 发现和最终产品之间的差距.

“在所有这些案例中, 九卅体育能够消除时间密集的描述步骤,并将其替换为高速, 利用AI/ML最新创新的高通量方法, 以及新颖的硬件,金格说. “通过推进材料表征的最先进水平, 九卅体育可以加快整个社区的材料发现步伐,以更快的速度实现九卅体育的变革性创新目标.”

媒体联络: 迈克尔·巴克利,240-228-7536, 迈克尔.Buckley@openbooknigeria.com

应用物理实验室, 九卅体育的非营利部门, 通过科学和技术的创新应用,应对国家面临的重大挑战. 更多信息,请访问 hispaniclatinoaffairs.multicultural.openbooknigeria.com.

APL庆祝成立80周年

改变游戏规则的影响

阅读更多

80周年