伊利诺伊大学香槟分校
左:基于人工神经网络的机器学习作为原子应力预测的本构定律
右图:根据原子坐标信息量化晶界的局部应力状态
学分:伊利诺伊大学系
航空航天工程学院 在设计飞机、宇宙飞船和其他结构时，材料在破裂前所能承受的应力大小是至关重要的信息
伊利诺伊大学厄巴纳-香槟分校的航空工程师首次使用机器学习在原子尺度上预测铜的应力
根据哈克·本·丘和他的博士生崔月的说法，铜等材料在这些非常小的尺度上是非常不同的
“金属通常是多晶的，因为它们含有许多颗粒，”Chew说
“每一粒都是一种单晶结构，所有的原子都排列整齐，非常有序
但是这些晶粒相遇的边界的原子结构可能非常复杂，并且往往具有非常高的应力
" 这些晶界应力是金属断裂和疲劳特性的原因，但直到现在，这种详细的原子级应力测量还局限于分子动力学模拟模型
使用基于机器学习的数据驱动方法使得该研究能够首次量化通过电子显微镜成像的实际金属样品中的晶界应力
“我们使用铜晶界的分子动力学模拟来训练我们的机器学习算法，以识别原子在晶界上的排列，并识别不同晶界结构内应力分布的模式，”崔说
最终，该算法能够以原子级分辨率从模拟和实验图像数据中非常准确地预测晶界应力
“我们用许多不同的晶界结构测试了机器学习算法的准确性，直到我们确信这种方法是可靠的，”崔说
崔说，这项任务比他们想象的更具挑战性，他们必须在算法中包含基于物理的约束，以便在有限的训练数据下实现准确的预测
“当你在特定晶界上训练机器学习算法时，你会在这些相同晶界的应力预测中获得极高的精度，”Chew说，“但更重要的问题是，该算法随后能否预测一个它从未见过的新晶界的应力状态？” 咀嚼说，答案是肯定的，而且事实上很好
“机器学习对材料力学领域的作用在于，它使我们能够利用数据快速、自主地做出预测
这是在开发复杂和高度特定的基于物理的模型来进行故障预测方面的重大进步，”Chew说
测量这些晶界应力是为极端环境应用设计航空航天材料的第一步
“能够建立边界的定量描述符将使科学家能够设计出更坚固、更耐热和更耐腐蚀的晶界，”Chew说
崔强调，他们开发的算法非常通用，可以用来量化许多其他材料系统中控制断裂和失效过程的原子级应力
崔月和哈克·本·丘的研究“沿晶界原子应力的机器学习预测”发表在《材料学报》上
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
