U赢电竞官网-东莞变频器新闻 AI助力高性能钢设计:断裂强度、断裂寿命得到实在展望
东莞变频器新闻 AI助力高性能钢设计:断裂强度、断裂寿命得到实在展望
时间:2021-07-12 02:22 点击:78 次

机器学习技术促进了从医疗保健到高能物理等科技周围的挺进。现在,机器学习有看协助火力发电厂添速开发更扎实的相符金东莞变频器新闻,尤其是不锈钢。更扎实的原料是高效生产能源的关键,从而带来经济和脱碳收好。

「在发电厂中的行使超高强度钢的历史可追溯到20世纪50年代,随着时间的推移,原料逐渐改进。」宁靖洋西北国家实验室 (PNNL) 的博士后钻研助理 Osman Mamun 说。「倘若吾们能找到添快改进或创造新原料的手段,吾们就能看到工厂效果挑高,同时缩短排放到大气中的碳量。」

Mamun 是比来两篇有关期刊文章的主要作者,这些文章展现了机器学习在高级相符金设计中的行使新策略。这些文章记录了 PNNL 和国家能源技术实验室 (NETL) 共同全力的钻研收获。除了Mamun,钻研团队还包括 PNNL 的 Arun Sathanur 和 Ram Devanathan,以及 NETL 的 Madison Wenzlick 和 Jeff Hawk。

这项做事由美国能源部 (DOE) 化石能源办公室议定极端环境原料联盟(eXtreme environment MATerials consortium,XMAT)资助,其中包括来自七个 DOE 国家实验室的钻研贡献。该联盟追求添速开发用于各栽发电厂部件的改进耐炎相符金,并展望相符金的永远性能。

火力发电厂的内部环境是薄情的。超过 650 摄氏度的做事温度和超过 50 兆帕的压力对工厂的钢部件进走考验。

「而且东莞变频器新闻,高温暖高压以及郑重的组件对于挑高炎力学效果至关主要,从而缩短碳排放并挑高成本收好。」 Mamun注释道。

两栽不锈钢

PNNL-NETL的配相符偏重于两栽原料类型:奥氏体不锈钢和含9-12% 铬铁素体-马氏体相符金 (FMA)。奥氏体不锈钢因其强度高、耐侵蚀性好而普及行使于工厂,但其在高温下的行使寿命有限。含9-12% 铬铁素体-马氏体相符金 (9-12% Cr FMA)也具有强度上风,但容易氧化和侵蚀。工厂运营商必要能抗断裂并不息数十年的原料。要想设计具有更长行使寿命的高强度钢,必要彻底晓畅原料的永远特性,例如 断裂强度、断裂寿命 等。

随着时间的推移,「试错法」 的实验手段逐渐改进了钢材,但效果矮下、耗时且成本振奋。添快开发具有卓异性能的新式原料至关主要。必要展望断裂强度和寿命的模型。

Mamun 说,计算建模和机器学习的最新挺进,已成为更快获得更好原料的主要新工具。

机器学习是人造智能的一栽样式,它将算法行使于数据集,为科学题目开发更快的解决方案。这栽能力活着界周围内的钻研中产生了重大的影响,在某些情况下,能够撙节大量的科学发现和技术发展时间。

展望断裂强度机器模型东莞变频器新闻

NNL-NETL钻研团队的 第一篇文章 《用于铁基马氏体和奥氏体相符金断裂强度展望的机器学习辅助可注释模型》「 A Machine Learning Aided Interpretable Model for Rupture Strength Prediction in Fe-based Martensitic and Austenitic Alloys 」于3月9日发外在《科学通知》( Scientific Reports )杂志上,描述了机器学习在相符金断裂强度展望的行使。

该论文叙述了该团队行使三栽迥异算法(高斯过程回归 (GPR)、 神经网络 (NN)和 梯度升迁决策树 (GBDT))添强和分析不锈钢数据集。最后现在的是为两栽相符金的断裂强度构建实在的展望模型。钻研外明:一栽称为梯度添强决策树(Gradient Boosted Decision Tree,GBDT)的算法最能已足构建机器学习模型以实在展望断裂强度的需求。

9-12% Cr FMA(左)和奥氏体不锈钢(右)的 GBDT 回归测试数据的奇偶图

训练后的模型已针对未见的测试数据进走了交叉验证,并在相有关数方面取得了很高的展望性能(9-12% Cr FMA 的 R 2 >0.98,奥氏体不锈钢的 R 2 >0.95)。

此外,钻研人员认为东莞变频器新闻,将所得模型集成到现有相符金设计策略中,能够添快识别具有处理答力和张力卓异性能的有前途的不锈钢。

9-12% Cr FMA(左)和奥氏体不锈钢(右)迥异特征的主要性

钻研幼构成员、PNNL计算原料科学家Ram Devanathan说:「该钻研项现在不光朝扩展发电厂钢铁的运走周围更好的手段迈出了一步,而且还展现了以物理学为基础的机器学习模型,使科学家进走注释。」

展望断裂寿命机器模型

项现在团队的 第二篇文章 《铁素体钢和奥氏体钢的断裂寿命的机器学习添强展望和生成模型》「 Machine Learning Augmented Predictive and Generative Model for Rupture Life in Ferritic and Austenitic Steels 」发外在4月16日的《 npj Materials Degradation 》上。

钻研外明:基于机器学习的展望模型能够郑重地推想两栽相符金的断裂寿命。钻研人员还描述了一栽生成相符成相符金的手段,该手段可用于增补现有的稀奇不锈钢数据集,并确定了这栽手段的限制性。在机器学习模型中行使这些「倘若相符金」能够评估候选原料的性能,而无需先在实验室中相符成它们。

基于变分自编码器 (VAE) 的生成模型用于创建相符成相符金样本,以配相符相符金的反向设计。开发的生成模型的另一个行使是数据添强,以挑高 ML 模型的性能。 钻研外明VAE 生成的样品主要取自有更众实验数据可用的空间,即无法从高破碎寿命空间生成相符金。 有几栽手段能够改进采样,例如马尔可夫链蒙特卡罗 (MCMC) 采样。

实在样品和机器学习模型展望生成样品的断裂寿命的幼挑琴图(a: 9–12% Cr 数据集;b:奥氏体钢数据集)

Devanathan 说:「这些发现竖立在早期论文的结论之上,代外了在极端环境下竖立可注释的相符金性能模型的又一步,同时也为数据集的开发挑供了见解。这两篇论文都展现了 XMAT 在这个迅速发展的周围中的思维领导地位。」

论文链接:

https://www.nature.com/articles/s41529-021-00166-5

https://www.nature.com/articles/s41598-021-83694-z

【编辑保举】东莞变频器新闻

从谷歌AI设计芯片上,吾们看到了“智能”的内心 鸿蒙开源第三方组件—日期和时间处理组件JodaTime-ohos 智能网络坦然必要的不光仅是智能技术 别再用ls、cat命令了,这有一套崭新升级版,简洁迅速还易上手 绝代青春!AI复原90年前梅兰芳:眉现在传情,有声有色
当前网址:http://www.palestinetimes.net/dongguanbianpinqixinwen/6197.html
tag:东莞,变频器,新闻,助力,高性能,钢,设计,机器,
相关新闻