Ingenieure am MIT haben k\u00fcrzlich einen bahnbrechenden Fortschritt vorgestellt \u2013 brandaktuell ist ihre neue, druckbare Aluminiumlegierung. Noch spannender ist, dass sie f\u00fcnfmal fester ist als ihr herk\u00f6mmlich hergestelltes Pendant. Ein solcher transformativer Fortschritt d\u00fcrfte eine Vielzahl von Branchen, von der Luft- und Raumfahrt bis hin zur Automobilindustrie, radikal ver\u00e4ndern.<\/p>\n
Das Team vom MIT verdankt seinen Erfolg einer bahnbrechenden Kombination aus Computersimulationen und maschinellem Lernen. Normalerweise erfordert die Entwicklung von Hochleistungslegierungen die Pr\u00fcfung von Millionen m\u00f6glicher Materialkombinationen, was sowohl zeitaufwendig als auch rechenintensiv ist. Durch die geschickte Einbindung von Algorithmen des maschinellen Lernens gelang es den Forschern jedoch, ihre Bem\u00fchungen zu b\u00fcndeln, indem sie die Auswahl auf 40 vielversprechende Legierungszusammensetzungen eingrenzten.<\/p>\n
Mohadeseh Taheri-Mousavi, die Postdoktorandin, die die Forschung geleitet hat, erkl\u00e4rt: \u201cDie Eigenschaften eines Materials k\u00f6nnen von unz\u00e4hligen Faktoren beeinflusst werden, die sich nicht ohne Weiteres zusammenfassen lassen. Da verliert man leicht den \u00dcberblick. Aber Werkzeuge des maschinellen Lernens k\u00f6nnen einem genau zeigen, worauf man achten muss.\u201d<\/p>\n
Nachdem das Team die perfekte Zusammensetzung ermittelt hatte, setzte es auf den 3D-Druck. Dabei kam ein spezielles Verfahren zum Einsatz, das als Laser-Pulverbettfusion (LPBF) bezeichnet wird: Dabei wird Metallpulver schichtweise aufgetragen und jede Schicht mithilfe eines Lasers schnell geschmolzen und verfestigt. Die dem LPBF-Verfahren eigene schnelle Abk\u00fchlungsrate bewahrte die kleinen Ausscheidungen in der Mikrostruktur der Legierung \u2013 entscheidend f\u00fcr das Erreichen einer hohen Festigkeit.<\/p>\n
Ein Bereich, in dem diese neue Legierung ihre St\u00e4rken voll ausspielen kann, ist ihre Stabilit\u00e4t bei hohen Temperaturen. Die Beibehaltung von Festigkeit und Mikrostruktur bei Temperaturen von bis zu 400 Grad Celsius ist f\u00fcr Materialien auf Aluminiumbasis eine beachtliche Leistung. Dies ebnet den Weg f\u00fcr den Einsatz in leistungsorientierten, w\u00e4rmeintensiven Anwendungen wie der Herstellung von Fanbl\u00e4ttern f\u00fcr D\u00fcsentriebwerke. Diese neue Legierung k\u00f6nnte potenziell Titan ersetzen \u2013 wodurch das Gewicht und die Kosten von Flugzeugkomponenten gesenkt und die Treibstoffeffizienz verbessert w\u00fcrden.<\/p>\n
John Hart, Mitautor dieser Studie und Leiter des Fachbereichs Maschinenbau am MIT, blickt \u00fcber den Horizont hinaus und ist der Ansicht, dass die Anwendungsm\u00f6glichkeiten dieser Legierung noch weitaus gr\u00f6\u00dfer sind. Er sieht Einsatzm\u00f6glichkeiten in hochmodernen Vakuumpumpen, Premium-Fahrzeugen und hochentwickelten K\u00fchlsystemen f\u00fcr Rechenzentren. Angesichts der M\u00f6glichkeiten des 3D-Drucks, Materialverschwendung zu reduzieren, komplexe Geometrien zu realisieren und einzigartige Designs zu erm\u00f6glichen, scheinen die M\u00f6glichkeiten grenzenlos zu sein.<\/p>\n
Urspr\u00fcnglich entstand diese bahnbrechende Legierung im Rahmen einer Kursarbeit am MIT, bei der es darum ging, eine festere, druckbare Variante einer Aluminiumlegierung zu entwickeln. Obwohl die ersten Simulationen hinter den Erwartungen zur\u00fcckblieben, gab Taheri-Mousavi nicht auf und setzte Techniken des maschinellen Lernens ein, um einen Durchbruch zu erzielen.<\/p>\n
Mit dem Entwurf in der Hand arbeitete das Team gemeinsam mit deutschen Forschern an der Herstellung von Pulverproben. Diese Proben wurden am MIT gedruckt und getestet und best\u00e4tigten den Erfolg des Vorhabens \u2013 sie entsprachen den Vorhersagen des maschinellen Lernens und best\u00e4tigten den innovativen Ansatz des Teams beim Materialdesign.<\/p>\n
Taheri-Mousavi blickt optimistisch in die Zukunft dieser Methode. \u201cMein Traum ist es, dass Passagiere eines Tages beim Blick aus dem Flugzeugfenster die Ventilatorfl\u00fcgel der Triebwerke sehen, die aus unseren Aluminiumlegierungen gefertigt sind\u201d, erkl\u00e4rt sie.<\/p>\n
Das Team wendet derzeit \u00e4hnliche Techniken des maschinellen Lernens an, um weitere Eigenschaften der Legierung zu kalibrieren, mit dem Ziel, deren Anwendungsbereich in den sich st\u00e4ndig weiterentwickelnden Technologiebranchen zu erweitern. M\u00f6chten Sie mehr \u00fcber diese spannende Entwicklung erfahren? Lesen Sie den Originalartikel unter diesem Link<\/a> auf MIT News.<\/p>","protected":false},"excerpt":{"rendered":" Engineers at MIT have recently presented a pivotal advancement\u2014quick off the press is their new printable aluminum alloy. Even more exciting, it’s five times stronger than its traditionally-produced counterpart. A transformative stride like this is poised to radically change an array of industries spanning aerospace to automobiles. Unleashing the Power of Machine Learning for Superior Alloy Design The team from MIT owes their success to a groundbreaking mix of computational simulations and machine learning. Generally, creating high-performance alloys necessitates testing millions of possible material combinations, which is both time consuming and heavy on computational power. But by cleverly integrating machine […]<\/p>\n","protected":false},"author":4,"featured_media":7263,"comment_status":"","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[47],"tags":[],"class_list":["post-7262","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ai-news","post--single"],"_links":{"self":[{"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/posts\/7262","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/comments?post=7262"}],"version-history":[{"count":0,"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/posts\/7262\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/media\/7263"}],"wp:attachment":[{"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/media?parent=7262"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/categories?post=7262"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/tags?post=7262"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}