科学者が腐食のための新しい機械学習モデルを開拓

2023 年 8 月 11 日

この記事は、Science X の編集プロセスとポリシーに従ってレビューされています。 編集者は、コンテンツの信頼性を確保しながら、次の属性を強調しました。

事実確認済み

査読済みの出版物

信頼できる情報源

校正する

マックス・プランク協会著

腐食による年間の経済損失が 2 兆 5,000 億米ドルを超える世界で、耐食合金と保護コーティングの探求は途切れることがありません。 新しい合金の設計において、人工知能 (AI) がますます重要な役割を果たしています。 しかし、腐食挙動を予測し、最適な合金配合を提案する AI モデルの予測力は、依然としてとらえどころのないものです。

マックス・プランク・アイゼンフォルシュング研究所 (MPIE) の科学者たちは、既存のフレームワークと比較して予測精度を最大 15% 向上させる機械学習モデルを開発しました。 このモデルは、新しい、しかし現実的な耐食性合金組成を明らかにします。 その独特のパワーは、数値データとテキストデータの両方を融合することによって生まれます。 当初は高強度合金の耐孔食という重要な領域向けに開発されましたが、このモデルの多用途性はすべての合金特性に拡張できます。 研究者らは最新の研究結果を『Science Advances』誌に発表した。

「すべての合金は、耐食性に関して独自の特性を持っています。これらの特性は、合金の組成自体だけでなく、合金の製造プロセスにも依存します。現在の機械学習モデルは、数値データからのみ恩恵を受けることができます。しかし、処理方法と実験試験プロトコルは主にテキスト記述子によって文書化されており、腐食を説明するために非常に重要です」と、この出版物の筆頭著者であり、MPIE の元ポスドク研究員であるカストゥリ ナラシンハ サシダール氏は説明します。

研究チームは、ChatGPT に似た言語処理手法を数値データの機械学習 (ML) 手法と組み合わせて使用​​し、完全に自動化された自然言語処理フレームワークを開発しました。 さらに、テキスト データを ML フレームワークに組み込むことで、孔食に対する耐性が強化された合金組成を特定することができます。

「私たちは、腐食特性と組成に関する情報を含む固有データを使用して深層学習モデルをトレーニングしました。現在、モデルは、個々の要素が最初にモデルに入力されていなくても、耐食性に重要な合金組成を特定できるようになりました。」この出版物の共著者であり、MPIE のグループ Corrosion の責任者である Michael Rohwerder 氏は次のように述べています。

最近考案されたフレームワークでは、サシダール氏と彼のチームは手動で収集したデータをテキスト記述子として利用しました。 現在の彼らの目標は、データマイニングのプロセスを自動化し、それを既存のフレームワークにシームレスに統合することにあります。

顕微鏡画像の組み込みは新たなマイルストーンとなり、テキスト、数値、画像ベースのデータを統合する次世代の AI フレームワークを構想しています。

詳しくは： Kasturi N. Sasidhar、自然言語処理と深層学習による耐食性合金設計の強化、Science Advances (2023)。 DOI: 10.1126/sciadv.adg7992。 www.science.org/doi/10.1126/sciadv.adg7992

雑誌情報:科学の進歩

マックス・プランク協会提供