人工智能设计先进材料

在当今世界，每年因腐蚀造成的经济损失超过 2.5 万亿美元，对耐腐蚀合金和防护涂层的追求从未间断。人工智能 (AI) 在设计新型合金方面发挥着越来越重要的作用。然而，在预测腐蚀行为和建议最佳合金配方方面的预测能力仍然难以捉摸。马克斯普朗克研究所 (MPIE) 的科学家现已开发出一种机器学习模型，与现有框架相比，预测精度提高了 15%。该模型揭示了新的、但真实的耐腐蚀合金成分。其独特的力量来自于数字和文本数据的融合。最初是为高强度合金抗点蚀的关键领域而开发的，该模型的多功能性可以扩展到所有合金特性。研究人员在《科学进展》杂志上发表了他们的最新研究结果。

合并文本和数字

“每种合金都具有独特的耐腐蚀性能。这些性能不仅取决于合金成分本身，还取决于合金的制造工艺。当前的机器学习模型只能从数值数据中受益。然而，处理方法和实验测试协议主要通过文本描述符记录，对于解释腐蚀至关重要。”该出版物的主要作者、MPIE 前博士后研究员 Kasturi Narasimha Sasidhar 解释道。研究团队使用类似于 ChatGPT 的语言处理方法，结合数值数据的机器学习 (ML) 技术，开发了全自动自然语言处理框架。而且，将文本数据纳入机器学习框架可以识别增强的耐点蚀合金成分。“我们使用包含有关腐蚀特性和成分信息的内在数据来训练深度学习模型。现在，即使最初没有将单个元素输入到模型中，该模型也能够识别对耐腐蚀性至关重要的合金成分。”该出版物的合著者兼 MPIE 腐蚀小组负责人 Michael Rohwerder 说道。

突破界限：自动化数据挖掘和图像处理

在最近设计的框架中，Sasidhar 和他的团队利用手动收集的数据作为文本描述符。目前，他们的目标在于自动化数据挖掘过程并将其无缝集成到现有框架中。显微镜图像的结合标志着另一个里程碑，设想了融合文本、数字和图像数据的下一代人工智能框架。