Специалисты Казанского федерального университета разработали нейросеть, способную выявлять зависимость между различными физическими и химическими характеристиками и оценивать значение модуля Юнга.
Большинство металлов имеют кристаллическую структуру — то есть, атомы в них строго упорядочены. Однако путем быстрого охлаждения расплава можно предотвратить образование решетки, и сделать металл аморфным. Аморфные сплавы могут обладать рядом преимуществ, быть легче и прочнее кристаллических аналогов, и потому их часто используют в машиностроении и при производстве спортивного и медицинского инвентаря.
Для характеристики прочности материала используют модуль Юнга, который определяют экспериментально, сдавливая или растягивая образец из интересующего сплава. Однако в случае с аморфными сплавами ученым до сих пор не ясно, от чего зависит эта величина.
Для обучения алгоритма авторы использовали данные о более чем 300 различных сплавах, содержащих алюминий, медь, железо и другие металлы.
Нейросеть определила, что на модуль Юнга в основном влияют два показателя: предел текучести и температура стеклования материала. Первая величина отображает, при какой физической нагрузке сплав начинает деформироваться, а вторая обозначает температуру, при охлаждении до которой жидкий расплав застывает, превращаясь в соответствующий твердый аморфный сплав. Так, используя всего два этих параметра, нейросеть определила модуль Юнга для различных соединений с точностью до 98% в сравнении с экспериментально полученными значениями.
В то же время оказалось, что химические свойства сплава, такие как количество и молекулярная масса входящих в его состав элементов, не влияют на устойчивость к растяжению и сжатию. На это указывает то, что по данным характеристикам алгоритм рассчитывал модуль Юнга с ошибкой примерно в 50%.
Авторы предполагают, что их программа упростит разработку новых металлов для промышленности.
По сообщению пресс-службы Российского научного фонда