- 开发出利用深度学习人工智能根据光学显微镜拍摄的铝合金微观结构图像来预测材料强度的技术
- 根据20个条件和每个条件12张图像的数据实现高精度特征预测
- 为高性能铝合金特别是再生铝合金的开发做出贡献
使用 AI 深度学习进行机械性能预测概述
*这是对原始论文中的数字的引用或修改。
米乐m6官方网站（以下简称“AIST”）多材料研究部 村上雄一郎，首席研究员、小岛亮一，研究组组长、大村直树，研究组组长、志贺敬二，首席研究员、宫岛达也，职业专家深度学习AI铝合金微观结构的图像预测铝合金的强度。
制造再生铝合金与用原材料冶炼铝合金相比，可以将温室气体排放量减少到二十分之一以下，但问题是其中混入了多种元素，限制了其用途。有了这项技术，回收就很容易了。合金元素铸造用铝合金并预测其特征。传统的合金开发需要大量的实验和评估，但通过使用该技术，可以减少性能评估所需的步骤，并且有望缩短开发周期。此外，通过利用该技术开发新型再生铝合金，我们将为建设资源循环型社会和减少温室气体排放做出贡献。
该技术的详细信息将于 2024 年 12 月 25 日公布。材料学报
为了应对最近的气候变化问题，需要减少温室气体排放，铝合金作为金属中的轻质材料变得越来越重要。此外，铝合金防锈且易于加工。因此，它被用来提高汽车等运输设备的燃油效率，并延长建筑材料的使用寿命。预计未来需求将进一步增加，预计到2040年将是2020年水平的15倍以上*。
然而，在生产铝合金时，存在冶炼过程中产生大量温室气体的问题。相比之下，再生铝合金在生产过程中产生的温室气体量不到1/20，与从原材料熔炼铝合金相比，可以显着减少排放。
由于根据用途开发了各种类型的铝合金，因此再生铝合金含有多种合金元素。因此，再生铝合金合金元素含量高，难以以固态形式加工，其用途仅限于罐头坯料和铸造。因此，有必要优化高含量合金元素再生铝合金的性能，扩大其应用范围。然而，为了制造出最佳的铝合金，需要研究多种合金元素，且开发周期较长。
AIST正在NEDO（新能源和产业技术发展组织）资助项目“建立先进铝材料回收系统项目”（2021-2025财年）下通过去除杂质元素来开发铝材料的资源回收技术。由于氮化硅的微观结构，它也是抗破裂性的指标断裂韧性2022 年 9 月 30 日 AIST 新闻稿）。这次，我们将该技术应用于铝合金的开发，并开发了一种根据光学显微镜拍摄的微观结构图像预测特性的技术。
通过应用 AIST 开发的技术，利用深度学习根据结构图像预测断裂韧性，铝合金拉伸强度是啊拉伸等机械性能开发了人工智能预测系统我们使用的是铸造铝合金，它含有很多合金元素，而且很容易作为回收材料使用。不同组成模具铸造、砂型铸造使用这些样本，针对每种情况获取了 12 个组织图像。同时，我们使用光学显微镜观察了每种合金的微观结构图像，并建立了一个深度学习模型，将微观结构图像与机械性能之间的关系联系起来。通过向构建的模型提供与用于学习的组织图像不同的图像数据，我们验证了预测机械性能的准确性。图1显示了强度和伸长率的预测值和测量值的比较结果。
图1 深度学习AI预测值与实际测量值对比
*这是对原始论文中的数字的引用或修改。
当我们调查组织图像的哪个区域涉及预测值时，我们发现晶体的类型 (晶相))（图2）。图2中，红色区域为对物性预测贡献较大的区域，蓝色区域为对物性预测影响较小的区域。这些区域是不同类型的晶相，表明不同类型的晶相对预测值的贡献不同。
图2 对组织图像中物理特性的贡献的调查结果示例
*原始论文中的数字被引用或修改。
通过这种方式，我们构建了一个 AI 模型，即使仅根据图像也可以高精度预测强度和伸长率。组织图像包含各种结晶相，这些相的大小、形状、丰度和分散程度对机械性能有显着影响。由于新开发的技术可以区分不同的晶相，因此人们相信可以从组织图像中高精度地预测机械性能。该方法针对硅、铜、镁等元素含量不同的组织图像，通过更准确地评估图像的特征，可以从少至几百张图像中预测特征。在合金开发中，需要许多过程来评估机械性能，特别是用于评估的试件的制备。利用该技术，可以从微观结构照片推断机械性能，从而可以减少用于机械性能评估的样品数量。因此，可以减少材料开发中的评估过程，有望提高材料开发的效率。
未来，通过将该技术应用到铝合金材料的开发中，将为高性能铝合金，特别是再生铝合金的开发做出贡献。此外，通过扩展人工智能学习的数据，我们的目标是在更广泛的领域优化材料特性。
已出版的杂志：材料学报
论文标题：利用深度学习预测不同硅含量铝合金的力学性能
作者：村上雄一郎、古岛良一、志贺敬二、宫岛达也和大村直树
DOI：https://doiorg/101016/jactamat2024120683