Новая система машинного обучения решает одну из главных проблем переработки металлов — нестабильный химический состав вторичного сырья. Вместо того чтобы бороться с примесями в металлоломе, ИИ использует их как полезные легирующие добавки.
Масштаб проблемы впечатляет: ежегодно в мире производится около 2 миллиардов тонн металла, и значительная его часть по-прежнему делается из первичного сырья. На металлургию приходится до 40% промышленных выбросов парниковых газов и 10% мирового энергопотребления. Увеличение доли переработанного металла могло бы серьезно снизить эту нагрузку на окружающую среду, но у металлолома есть существенный недостаток — его состав сильно варьируется от партии к партии и часто содержит нежелательные примеси, которые ухудшают механические свойства готовых сплавов.
Традиционный способ борьбы с этим — разбавлять лом чистым первичным металлом, что, впрочем, сводит на нет экологическую выгоду от переработки. По словам соавтора исследования, профессора Института устойчивых материалов Общества Макса Планка Люлю Хань, новая стратегия машинного обучения превращает примеси из проблемы в преимущество, позволяя создавать сплавы, которые не просто терпимы к загрязнениям, но даже выигрывают от них.
Разработанная система напрямую связывает состав сплава и параметры его обработки (температуру, время) с итоговыми характеристиками материала, минуя сложный анализ микроструктуры. Алгоритм перебирает варианты состава, а нейросетевые модели прогнозируют прочность и пластичность каждого кандидата, постепенно находя лучшие сочетания. Экспериментальные результаты затем добавляются в базу данных, обучая модель и уточняя рекомендации для следующего цикла.
Источник: hi-tech.mail.ru