अज्ञात धातु संरचनाओं की भविष्यवाणी करने के लिए मशीन लर्निंग मिश्र धातु की गणना को सही करता है

उन्नत धातु मिश्र धातुओं का निर्माण पारंपरिक रूप से अनुभवजन्य प्रयोग पर निर्भर करता है, जिसके लिए धातुविदों को अलग-अलग अनुपात में घटक तत्वों को मिलाने और परिणामी भौतिक गुणों का मैन्युअल रूप से परीक्षण करने की आवश्यकता होती है। जाली स्थिरता और यांत्रिक शक्ति का निर्धारण करने में एक केंद्रीय पैरामीटर वॉल्यूम आकार कारक है, जो विलेय परिवर्धन के कारण होने वाली परमाणु जाली विकृतियों की मात्रा निर्धारित करता है। मानक घनत्व कार्यात्मक सिद्धांत गणना अक्सर निषेधात्मक कम्प्यूटेशनल ओवरहेड के बिना जटिल बहु-तत्व मिश्रण के लिए इन कारकों की सटीक गणना करने के लिए संघर्ष करती है। इन कम्प्यूटेशनल बाधाओं को दूर करने के लिए, अनुसंधान टीमों ने सामग्री विज्ञान में डेटा की कमी को पूरा करने के लिए स्थानांतरण शिक्षण तकनीकों को लागू किया। उच्च-निष्ठा क्वांटम मैकेनिकल डेटासेट पर तंत्रिका नेटवर्क को प्रशिक्षित करके और विरल प्रयोगात्मक टिप्पणियों के साथ उन्हें ठीक करके, एल्गोरिदम ने कच्चे परमाणु सिमुलेशन में निहित व्यवस्थित त्रुटियों को ठीक करना सीखा। यह कम्प्यूटेशनल ब्रिज शोधकर्ताओं को उल्लेखनीय गति के साथ हजारों अज्ञात रचनात्मक स्थानों में जाली विकृतियों की भविष्यवाणी करने की अनुमति देता है। तत्काल परिणाम एयरोस्पेस और ऊर्जा बुनियादी ढांचे के लिए सामग्री की खोज में गहन तेजी है, जहां धातुओं को अत्यधिक थर्मल और यांत्रिक तनाव सहना पड़ता है। प्रयोगशालाएं अब फाउंड्री उत्पादन के लिए भौतिक संसाधनों को समर्पित करने से पहले अस्थिर रचनाओं को फ़िल्टर करके डिजिटल रूप से उम्मीदवारों की प्री-स्क्रीनिंग कर सकती हैं। यह धातुकर्म कार्यप्रवाह को पूर्वव्यापी विश्लेषण से पूर्वानुमानित डिज़ाइन में स्थानांतरित कर देता है।