In\u017cynierowie z MIT zaprezentowali niedawno prze\u0142omowe osi\u0105gni\u0119cie - nowy, nadaj\u0105cy si\u0119 do druku stop aluminium. Co jeszcze bardziej ekscytuj\u0105ce, jest on pi\u0119ciokrotnie mocniejszy ni\u017c jego tradycyjnie produkowany odpowiednik. Taki prze\u0142omowy krok mo\u017ce radykalnie zmieni\u0107 szereg bran\u017c, od lotnictwa i kosmonautyki po motoryzacj\u0119.<\/p>\n
Zesp\u00f3\u0142 z MIT zawdzi\u0119cza sw\u00f3j sukces prze\u0142omowemu po\u0142\u0105czeniu symulacji obliczeniowych i uczenia maszynowego. Og\u00f3lnie rzecz bior\u0105c, tworzenie wysokowydajnych stop\u00f3w wymaga przetestowania milion\u00f3w mo\u017cliwych kombinacji materia\u0142\u00f3w, co jest zar\u00f3wno czasoch\u0142onne, jak i obci\u0105\u017caj\u0105ce moc obliczeniow\u0105. Jednak dzi\u0119ki sprytnej integracji algorytm\u00f3w uczenia maszynowego, naukowcy zdo\u0142ali skoncentrowa\u0107 swoje wysi\u0142ki, zaw\u0119\u017caj\u0105c je do 40 obiecuj\u0105cych kompozycji stop\u00f3w.<\/p>\n
Mohadeseh Taheri-Mousavi, doktor habilitowany, kt\u00f3ry przewodzi\u0142 badaniom, wyja\u015bnia: \u201cNa w\u0142a\u015bciwo\u015bci materia\u0142u mog\u0105 wp\u0142ywa\u0107 niezliczone czynniki, kt\u00f3re nie\u0142atwo si\u0119 sumuj\u0105. \u0141atwo jest zgubi\u0107 drog\u0119. Ale narz\u0119dzia uczenia maszynowego mog\u0105 wskaza\u0107 dok\u0142adnie to, na co nale\u017cy zwr\u00f3ci\u0107 uwag\u0119\u201d.\u201d<\/p>\n
Po znalezieniu idealnego sk\u0142adu, zesp\u00f3\u0142 postawi\u0142 na druk 3D. Wykorzystali oni specjaln\u0105 metod\u0119 okre\u015blan\u0105 jako laserowe spiekanie proszk\u00f3w (LPBF), kt\u00f3ra polega na nak\u0142adaniu warstw proszku metalowego i wykorzystaniu lasera do szybkiego stopienia i zestalenia ka\u017cdej warstwy. Szybkie tempo ch\u0142odzenia charakterystyczne dla LPBF zachowa\u0142o ma\u0142e osady w mikrostrukturze stopu - niezb\u0119dne do osi\u0105gni\u0119cia wysokiej wytrzyma\u0142o\u015bci.<\/p>\n
Obszary Polygon, w kt\u00f3rych ten nowy stop naprawd\u0119 pr\u0119\u017cy musku\u0142y, to jego stabilno\u015b\u0107 w wysokich temperaturach. Zachowanie wytrzyma\u0142o\u015bci i mikrostruktury w temperaturze do 400 stopni Celsjusza jest sporym osi\u0105gni\u0119ciem dla materia\u0142\u00f3w na bazie aluminium. Otwiera to drog\u0119 do jego wykorzystania w zastosowaniach zorientowanych na wydajno\u015b\u0107 i wysok\u0105 temperatur\u0119, takich jak tworzenie \u0142opatek wentylator\u00f3w silnik\u00f3w odrzutowych. Ten nowy stop mo\u017ce potencjalnie zast\u0105pi\u0107 tytan - zmniejszaj\u0105c ci\u0119\u017car i koszt komponent\u00f3w samolotu oraz zwi\u0119kszaj\u0105c oszcz\u0119dno\u015b\u0107 paliwa.<\/p>\n
Patrz\u0105c poza niebo, John Hart, wsp\u00f3\u0142autor tego badania i szef Wydzia\u0142u In\u017cynierii Mechanicznej MIT, uwa\u017ca, \u017ce mo\u017cliwo\u015bci zastosowania tego stopu si\u0119gaj\u0105 dalej. Przewiduje on jego zastosowanie w zaawansowanych pompach pr\u00f3\u017cniowych, samochodach klasy premium i zaawansowanych systemach ch\u0142odzenia dla centr\u00f3w danych. Dzi\u0119ki mo\u017cliwo\u015bciom druku 3D w zakresie redukcji odpad\u00f3w materia\u0142owych, dostosowania z\u0142o\u017conych geometrii i umo\u017cliwienia unikalnego projektowania, mo\u017cliwo\u015bci wydaj\u0105 si\u0119 nieograniczone.<\/p>\n
Pierwotnie ten prze\u0142omowy stop wy\u0142oni\u0142 si\u0119 z zadania klasy MIT polegaj\u0105cego na zaprojektowaniu mocniejszej, nadaj\u0105cej si\u0119 do druku wersji stopu aluminium. Pomimo pocz\u0105tkowych symulacji, kt\u00f3re nie spe\u0142ni\u0142y oczekiwa\u0144, Taheri-Mousavi wytrwa\u0142, stosuj\u0105c techniki uczenia maszynowego, aby osi\u0105gn\u0105\u0107 prze\u0142om.<\/p>\n
Maj\u0105c projekt w r\u0119ku, zesp\u00f3\u0142 po\u0142\u0105czy\u0142 si\u0142y z niemieckimi badaczami w celu wyprodukowania pr\u00f3bek proszku. Pr\u00f3bki te, po wydrukowaniu i przetestowaniu w MIT, potwierdzi\u0142y pomy\u015blne wyniki - odzwierciedlaj\u0105c przewidywania uczenia maszynowego i potwierdzaj\u0105c ich innowacyjne podej\u015bcie do projektowania materia\u0142\u00f3w.<\/p>\n
Taheri-Mousavi z optymizmem patrzy w przysz\u0142o\u015b\u0107 tej metodologii. \u201cMoim marzeniem jest, aby pewnego dnia pasa\u017cerowie wygl\u0105daj\u0105cy przez okno samolotu zobaczyli \u0142opatki silnik\u00f3w wykonane z naszych stop\u00f3w aluminium\u201d - m\u00f3wi.<\/p>\n
Zesp\u00f3\u0142 stosuje obecnie podobne techniki uczenia maszynowego do kalibracji innych w\u0142a\u015bciwo\u015bci stopu, a ich celem jest poszerzenie zastosowania stopu w stale rozwijaj\u0105cych si\u0119 bran\u017cach technologicznych. Chcesz zag\u0142\u0119bi\u0107 si\u0119 w ten ekscytuj\u0105cy rozw\u00f3j? Zapoznaj si\u0119 z oryginalnym artyku\u0142em za po\u015brednictwem link<\/a> na 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\/pl\/wp-json\/wp\/v2\/posts\/7262","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/comments?post=7262"}],"version-history":[{"count":0,"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/posts\/7262\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/media\/7263"}],"wp:attachment":[{"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/media?parent=7262"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/categories?post=7262"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/tags?post=7262"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}