2025-07-15 | 김윤수 기자

无需高温熔炼金属实验,用AI预测合金性能

本页标题和正文均由AI机器翻译,未经人工审校。准确内容请以韩文原文为准。

无需实际实验,就能用人工智能(AI)预测金属之间能否很好地混合并形成坚固合金材料的技术在韩国国内获得开发。

韩国科学技术院(KAIST)14日表示,新材料工学系教授洪承范与美国西北大学教授克里斯·沃尔弗顿的联合研究团队,利用基于密度泛函理论(DFT)的形成能数据,开发出可预测合金熔化时成分是否得以保持的高精度机器学习模型。研究成果作为“特辑论文”刊登于国际学术期刊《APL机器学习》5月号。

用于汽车和机械部件等的合金由两种以上金属熔化结合而成。金属熔化后彼此混合程度如何的熔融特性,直接关系到合金的材料特性。此前要了解这类特性,必须在高温下直接进行实验。

研究团队以密度泛函理论方法分析了表示合金稳定程度的形成能数值。由此开发出学习了形成能与既有实验获得的4536个熔融数据的AI预测模型。研究团队强调,该模型以82.5%的准确度预测出了合金特性。

研究团队还利用可解释AI判断依据的Shapley方法分析了模型的主要特征。结果发现,“形成能曲线的斜率变化”是预测中最重要的因子。研究团队期待,此次成果对高熵合金、超耐热合金等难以实验的材料群非常有用,未来还可扩展至复杂的多组分合金设计。

洪教授表示:“此次研究通过计算与实验数据以及机器学习的融合,展示了摆脱传统经验式合金设计方式、实现基于数据的预测性材料开发的可能性”,并称“未来若结合生成式模型、强化学习等最新AI技术,将开启自动设计全新合金的时代”。

阅读韩文原文