|
上海交通大學輕合金精密成型國家工程研究中心材料智能設計與加工研究室最近在美國金屬學會會刊Metall. Mater. Trans. A發表題為《Predicting TwinNucleation in a Polycrystalline Mg Alloy using Machine Learning Methods》的研究成果，文章的第一作者為研究室碩士生童周諾，通訊作者為王樂耘特別研究員，共同作者為博士生朱高明以及曾小勤教授。論文鏈接：https://link.springer.com/article/10.1007%2Fs11661-019-05468-7 鎂合金是最輕質的金屬結構材料，在航空航天、汽車、醫用等領域有廣泛應用前景。針對鎂合金的研究目前集中于如何提高其室溫延展性，這對于降低部件的加工成本具有重要意義。鎂的室溫延展性與一種叫孿晶的微觀變形過程緊密相關。在材料變形過程中，一些晶粒會發生孿晶即局部晶體取向翻轉，宏觀上表現為流變應力下降。大量統計研究表明，初始晶粒的晶體取向、晶粒尺寸以及晶界處的應力集中均會對孿晶的啟動產生影響，也有一些基于微觀力學的孿晶形核準則被提出。然而，目前沒有一套有效的判據，能夠準確預測材料變形時孿晶在哪些晶粒內會形核。 隨著大數據時代的來臨，機器學習算法提供了一種從數據本身找到規律的新思路，在各種領域已經得到了廣泛應用。孿晶啟動本質上是一個基于晶粒特征的二分類問題。當程序獲得了足夠多的晶粒數據后，通過機器學習中的分類算法就能夠自動建立判斷孿晶形核的數學模型。通過設定模型評價指標并優化算法參數，可以逐步提高模型的預測準確率以及泛化能力。 在本論文中，研究團隊制備了三個具有不同織構的鎂合金樣品，分別具有636、572和840個晶粒，以一個樣品作為訓練集，另兩個樣品作為測試集。采用了決策樹、梯度提升樹(XGBOOST)、支持向量機(SVM)、神經網絡(ANN)和樸素貝葉斯(NB)等五種算法來建立模型。最終，通過SVM和ANN算法建立的兩個模型達到了87%的測試集預測準確率，遠高于用傳統微觀力學方法建立的模型準確率。此外，論文還給出了晶粒的不同屬性對于孿晶形核影響的重要性排序。
本工作為鎂合金的孿晶形核以及廣義微觀組織演化的預測提供了新思路。本研究部分得到了國家自然科學基金項目以及上海交大材料基因組聯合研究中心的支持???? 聲明：以上所有內容源自各大平臺，版權歸原作者所有，我們對原創作者表示感謝，文章內容僅用來交流信息所用，僅供讀者作為參考，一切解釋權歸鎂途公司所有，如有侵犯您的原創版權請告知，經核實我們會盡快刪除相關內容。
鳴謝：鎂途公司及所有員工誠摯感謝各位朋友對鎂途網站的關注和關心，同時，也誠摯歡迎廣大同仁到網站發帖、投稿，宣傳您的企業、觀點及鎂人鎂事。
|
2025年4月11日，由亞洲金屬網主辦的第十三屆國際鎂業峰會在福建...詳情
在全球制造業智能化、綠色化轉型的浪潮下，伊之密股份有限公司（...詳情
為積極響應國家“碳達峰、碳中和”（以下簡稱“雙碳”）戰略號召...詳情
周初鎂市簡述2025.4.21日新的一周開市，國內鎂錠市場整體穩定。...詳情
請發表評論