详细内容或原文请订阅后点击阅览
机器学习揭开高级合金的秘密
麻省理工学院的一个团队使用计算机模型来测量金属中的原子模式，这对于设计用于航空航天、生物医学、电子等领域的定制材料至关重要。
来源:MIT新闻 - 人工智能短期顺序（SRO）的概念（SRO） - 原子在小距离上的排列 - 在材料科学和工程中未充分反映金属合金。但是，过去十年来，对量化它的兴趣重新引起了人们的兴趣，因为解码SRO是开发量身定制的高性能合金（例如更强或耐热材料）的关键步骤。
了解原子如何安排并非易事，必须使用基于不完美模型的密集实验室实验或计算机模拟来验证。这些障碍使得很难完全探索金属合金中的SRO。
但是，麻省理工学院材料科学与工程系（DMSE）的研究生Killian Sheriff和Yifan Cao正在使用机器学习来量化，Atom-by-Atom，构成SRO的复杂化学安排。在助理教授罗德里戈·弗里塔斯（Rodrigo Freitas）的监督下，并在电气工程和计算机科学系的助理教授苔丝·斯米特（Tess Smidt）的帮助下，他们的工作最近发表在美国国家科学院学院会议录中。
已发布 国家科学院的会议录对理解SRO的兴趣与称为高渗透合金的高级材料周围的兴奋有关，其复杂的组成使它们具有出色的特性。
通常，材料科学家通过使用一个元素作为基础来开发合金，并添加少量其他元素来增强特定特性。例如，向镍添加铬，使所产生的金属更耐腐蚀。
与大多数传统合金不同，高渗透合金具有几个元素，从三个到20，几乎相等。这提供了巨大的设计空间。 “这就像您制作了更多成分的食谱，” Cao说。
捕获短程订单
幸运的是，研究人员正在利用机器学习来克服捕获和量化SRO的传统方法的缺点。
边境