Kovy a slitiny

Popis
Hledání složení slitin podle predikce — slitiny s vysokou entropií, superslitiny a funkční kovy. MatterSeek předpovídá vlastnosti ze složení.

Kovy a slitiny — Materiálový systém / Předvídatelný výkon / Validační cesta
Umělá inteligence pro navrhování slitin — Vyhledávání vysoce entropických a superslitinových kompozic podle předpovědi
Protože předpovídá vlastnosti přímo ze složení s jedním až čtyřmi základními prvky s přesností dotování 0,02, je vytvořen pro problém hledání složení, který definuje slitiny s vysokou entropií, superslitiny a funkční kovy.
Moderní vícesložková slitina se může měnit v obrovském rozsahu poměrů a stopových přísad, zatímco kvalifikace vyžaduje dlouhodobou tepelnou expozici a mechanické testování. Praktickým důsledkem je, že vývoj se soustředí spíše na známé kompozice než na systematické zkoumání prostoru.
Popíšete základní sadu prvků a okno vlastností, které potřebujete – cílový bod tání, tepelný nebo termoelektrický požadavek, magnetický nebo strukturální objektiv – a MatterSeek vrátí seřazené kandidátské kompozice s předpokládanými vlastnostmi a nejistotou. Manipulace se složením pokrývá jeden až čtyři základní prvky s přesností úrovně dopingu 0,02, což odpovídá tomu, jak jsou ve skutečnosti specifikovány studie legování a mikrolegování. Predikce se dokončí zhruba za minutu pro dva základní prvky, dvě minuty pro tři a sedm minut pro čtyři. Výsledky se zobrazí jako radarové grafy pro srovnání více vlastností, 2D a 3D tepelné mapy, které odhalují gradienty vlastností v celém rozsahu kompozice, a exportovatelné datové tabulky.
Motor pokrývá rodiny zahrnující elektrochemické, dielektrické, tepelné, termodynamické, magnetické, optické a mechanické chování – mezi ně patří dielektrická konstanta, bod tání, supravodivá kritická teplota, Seebeckův koeficient, účiník a termoelektrická hodnota. Výsledky jsou vráceny jako radarové grafy pro srovnání více vlastností, 2D a 3D tepelné mapy pro krajiny kompozice a vlastností a exportovatelné datové tabulky.
Motor pokrývá rodiny termodynamických, tepelných, elektrochemických a elektronických vlastností, včetně bodu tání, kritické rychlosti chlazení pro amorfizaci, Seebeckova koeficientu, účiníku a termoelektrické hodnoty. Tyto parametry mapují přímo vývoj amorfních a nanokrystalických slitin, termoelektrické materiály a teplotní limity, kterými se řídí služba superslitin.
Předpokládané kompozice se přesouvají do autonomní laboratoře MatterSeek o rozloze 1 200 m², jejíž první procesní cluster byl postaven pro kovy: dávkování v inertní atmosféře, vakuové indukční tavení, obloukové přetavování, zvlákňování taveniny nebo prášková atomizace, jiskrové plazmové slinování, vakuové žíhání a obrábění. Automatizovaná charakterizace zahrnuje XRD, XRF a simultánní tepelnou analýzu. Přesnost předpovědi je 95,7 % ve srovnání s fyzickým měřením a každý naměřený výsledek je zdrojem dalšího kola. Pokrytí skupiny zahrnuje vysoce entropické slitiny, superslitiny, amorfní a nanokrystalické slitiny, magnetické materiály, termoelektrické materiály, lehké a korozivzdorné slitiny a kompozice práškové metalurgie.
FAQ
Otázka: Může společnost MatterSeek navrhovat slitiny s vysokou entropií?
A: Ano. Platforma podporuje jeden až čtyři základní prvky s přesností dotování 0,02, což je zrnitost, kterou vyžadují studie vícesložkových slitin, a vrací hodnocené kandidáty s předpokládanými vlastnostmi.
Otázka: Které vlastnosti slitiny lze předvídat?
A: Termodynamické, tepelné, elektrochemické a elektronické skupiny, včetně bodu tání, kritické rychlosti chlazení pro amorfizaci, Seebeckova koeficientu, účiníku a termoelektrické hodnoty.
Otázka: Jak jsou kandidáti ověřováni?
Odpověď: Prostřednictvím shluku kovových cest autonomní laboratoře – vakuové indukční tavení, obloukové přetavování, zvlákňování nebo atomizace taveniny, jiskrové plazmové slinování a vakuové žíhání – následované automatizovanou XRD, XRF a termickou analýzou.
Yuyao (Beijing) Technology Co., Ltd. je profesionální společnost specializující se na průnik AI a pokročilých materiálů kovů a slitin. Společnost nezávisle vyvinula MatterSeek – základní velký model šitý na míru sektoru materiálů – a byla průkopníkem algoritmu HNN (Hierarchical Neural Network) a zároveň vybudovala vlastní, ovladatelnou databázi experimentů s materiály.

