ИИ превращает примеси в металлоломе в полезные ингредиенты для сверхпрочных сплавов

Новая система машинного обучения решает одну из главных проблем переработки металлов — нестабильный химический состав вторичного сырья. Вместо того чтобы бороться с примесями в металлоломе, ИИ использует их как полезные легирующие добавки.
Автор новостей
Металлолом прекрасно поддается переработке, но из-за загрязняющих примесей готовые сплавы могут отличаться непредсказуемым поведением.
Металлолом прекрасно поддается переработке, но из-за загрязняющих примесей готовые сплавы могут отличаться непредсказуемым поведением.Источник: https://www.magnific.com/

Масштаб проблемы впечатляет: ежегодно в мире производится около 2 миллиардов тонн металла, и значительная его часть по-прежнему делается из первичного сырья. На металлургию приходится до 40% промышленных выбросов парниковых газов и 10% мирового энергопотребления. Увеличение доли переработанного металла могло бы серьезно снизить эту нагрузку на окружающую среду, но у металлолома есть существенный недостаток — его состав сильно варьируется от партии к партии и часто содержит нежелательные примеси, которые ухудшают механические свойства готовых сплавов.

Традиционный способ борьбы с этим — разбавлять лом чистым первичным металлом, что, впрочем, сводит на нет экологическую выгоду от переработки. По словам соавтора исследования, профессора Института устойчивых материалов Общества Макса Планка Люлю Хань, новая стратегия машинного обучения превращает примеси из проблемы в преимущество, позволяя создавать сплавы, которые не просто терпимы к загрязнениям, но даже выигрывают от них.

Разработанная система напрямую связывает состав сплава и параметры его обработки (температуру, время) с итоговыми характеристиками материала, минуя сложный анализ микроструктуры. Алгоритм перебирает варианты состава, а нейросетевые модели прогнозируют прочность и пластичность каждого кандидата, постепенно находя лучшие сочетания. Экспериментальные результаты затем добавляются в базу данных, обучая модель и уточняя рекомендации для следующего цикла.

ИИ позволяет рассчитать состав готового сплава таким образом, чтобы загрязняющие добавки стали его преимуществами.
ИИ позволяет рассчитать состав готового сплава таким образом, чтобы загрязняющие добавки стали его преимуществами.Источник: Unsplash

В качестве проверки ученые выбрали ковкий чугун — материал, который в мире выпускается в количестве 120 миллионов тонн в год и хорошо переносит примеси. Из 17 предложенных алгоритмом вариантов сплава 14 показали лучшие сочетания прочности и пластичности по сравнению с существующими рецептами из переработанного железа. Прочность на разрыв выросла до 15,2%, а пластичность при разрушении — до 73,2% по сравнению с эталоном, при этом производство обошлось на 8,1% дешевле традиционного метода с добавлением чистого железа.

В перспективе разработчики планируют распространить подход на переработанную сталь, алюминий и медные сплавы, а также объединить модель с автоматизированными экспериментальными платформами, чтобы система ИИ могла сама планировать эксперименты, корректировать процесс производства и постепенно находить все новые способы превращать «грязные» примеси в добавки, улучшающие свойства материалов.

Ранее ученые создали новую форму бора с уникальными свойствами