機(jī)器學(xué)習(xí)技術(shù)促進(jìn)了從醫(yī)療保健到高能物理等科技領(lǐng)域的進(jìn)步?，F(xiàn)在，機(jī)器學(xué)習(xí)有望幫助火力發(fā)電廠加速開發(fā)更堅(jiān)固的合金，尤其是不銹鋼。更堅(jiān)固的材料是高效生產(chǎn)能源的關(guān)鍵，從而帶來(lái)經(jīng)濟(jì)和脫碳效益。

「在發(fā)電廠中的使用超高強(qiáng)度鋼的歷史可追溯到20世紀(jì)50年代，隨著時(shí)間的推移，材料逐漸改進(jìn)?！固窖笪鞅眹?guó)家實(shí)驗(yàn)室 (PNNL) 的博士后研究助理 Osman Mamun 說?！溉绻覀兡苷业郊涌旄倪M(jìn)或創(chuàng)造新材料的方法，我們就能看到工廠效率提高，同時(shí)減少排放到大氣中的碳量?！?/p>

Mamun 是最近兩篇相關(guān)期刊文章的主要作者，這些文章揭示了機(jī)器學(xué)習(xí)在高級(jí)合金設(shè)計(jì)中的應(yīng)用新策略。這些文章記錄了 PNNL 和國(guó)家能源技術(shù)實(shí)驗(yàn)室 (NETL) 共同努力的研究成果。除了Mamun，研究團(tuán)隊(duì)還包括 PNNL 的 Arun Sathanur 和 Ram Devanathan，以及 NETL 的 Madison Wenzlick 和 Jeff Hawk。

[[407854]]

這項(xiàng)工作由美國(guó)能源部 (DOE) 化石能源辦公室通過極端環(huán)境材料聯(lián)盟（eXtreme environment MATerials consortium，XMAT）資助，其中包括來(lái)自七個(gè) DOE 國(guó)家實(shí)驗(yàn)室的研究貢獻(xiàn)。該聯(lián)盟尋求加速開發(fā)用于各種發(fā)電廠部件的改進(jìn)耐熱合金，并預(yù)測(cè)合金的長(zhǎng)期性能。

火力發(fā)電廠的內(nèi)部環(huán)境是無(wú)情的。超過 650 攝氏度的工作溫度和超過 50 兆帕的壓力對(duì)工廠的鋼部件進(jìn)行考驗(yàn)。

「而且，高溫和高壓以及可靠的組件對(duì)于提高熱力學(xué)效率至關(guān)重要，從而減少碳排放并提高成本效益?！?Mamun解釋道。

兩種不銹鋼

PNNL-NETL的合作側(cè)重于兩種材料類型：奧氏體不銹鋼和含9-12% 鉻鐵素體-馬氏體合金 (FMA)。奧氏體不銹鋼因其強(qiáng)度高、耐腐蝕性好而廣泛應(yīng)用于工廠，但其在高溫下的使用壽命有限。含9-12% 鉻鐵素體-馬氏體合金 (9-12% Cr FMA)也具有強(qiáng)度優(yōu)勢(shì)，但容易氧化和腐蝕。工廠運(yùn)營(yíng)商需要能抗斷裂并持續(xù)數(shù)十年的材料。要想設(shè)計(jì)具有更長(zhǎng)使用壽命的高強(qiáng)度鋼，需要徹底了解材料的長(zhǎng)期特性，例如 斷裂強(qiáng)度、斷裂壽命 等。

隨著時(shí)間的推移，「試錯(cuò)法」 的實(shí)驗(yàn)方法逐漸改進(jìn)了鋼材，但效率低下、耗時(shí)且成本高昂。加快開發(fā)具有優(yōu)異性能的新型材料至關(guān)重要。需要預(yù)測(cè)斷裂強(qiáng)度和壽命的模型。

Mamun 說，計(jì)算建模和機(jī)器學(xué)習(xí)的最新進(jìn)展，已成為更快獲得更好材料的重要新工具。

機(jī)器學(xué)習(xí)是人工智能的一種形式，它將算法應(yīng)用于數(shù)據(jù)集，為科學(xué)問題開發(fā)更快的解決方案。這種能力在世界范圍內(nèi)的研究中產(chǎn)生了巨大的影響，在某些情況下，可以節(jié)省大量的科學(xué)發(fā)現(xiàn)和技術(shù)發(fā)展時(shí)間。

預(yù)測(cè)斷裂強(qiáng)度機(jī)器模型

NNL-NETL研究團(tuán)隊(duì)的 第一篇文章 《用于鐵基馬氏體和奧氏體合金斷裂強(qiáng)度預(yù)測(cè)的機(jī)器學(xué)習(xí)輔助可解釋模型》「 A Machine Learning Aided Interpretable Model for Rupture Strength Prediction in Fe-based Martensitic and Austenitic Alloys 」于3月9日發(fā)表在《科學(xué)報(bào)告》（ Scientific Reports ）雜志上，描述了機(jī)器學(xué)習(xí)在合金斷裂強(qiáng)度預(yù)測(cè)的應(yīng)用。

該論文敘述了該團(tuán)隊(duì)使用三種不同算法（高斯過程回歸 (GPR)、 神經(jīng)網(wǎng)絡(luò) (NN)和 梯度提升決策樹 (GBDT)）增強(qiáng)和分析不銹鋼數(shù)據(jù)集。最終目標(biāo)是為兩種合金的斷裂強(qiáng)度構(gòu)建準(zhǔn)確的預(yù)測(cè)模型。研究表明：一種稱為梯度增強(qiáng)決策樹（Gradient Boosted Decision Tree，GBDT）的算法最能滿足構(gòu)建機(jī)器學(xué)習(xí)模型以準(zhǔn)確預(yù)測(cè)斷裂強(qiáng)度的需求。

9-12% Cr FMA（左）和奧氏體不銹鋼（右）的 GBDT 回歸測(cè)試數(shù)據(jù)的奇偶圖

訓(xùn)練后的模型已針對(duì)未見的測(cè)試數(shù)據(jù)進(jìn)行了交叉驗(yàn)證，并在相關(guān)系數(shù)方面取得了很高的預(yù)測(cè)性能（9-12% Cr FMA 的 R ² >0.98，奧氏體不銹鋼的 R ² >0.95）。

此外，研究人員認(rèn)為，將所得模型集成到現(xiàn)有合金設(shè)計(jì)策略中，可以加快識(shí)別具有處理應(yīng)力和張力優(yōu)異性能的有前途的不銹鋼。

9-12% Cr FMA（左）和奧氏體不銹鋼（右）不同特征的重要性

研究小組成員、PNNL計(jì)算材料科學(xué)家Ram Devanathan說：「該研究項(xiàng)目不僅朝擴(kuò)展發(fā)電廠鋼鐵的運(yùn)行范圍更好的方法邁出了一步，而且還展示了以物理學(xué)為基礎(chǔ)的機(jī)器學(xué)習(xí)模型，使科學(xué)家進(jìn)行解釋。」

預(yù)測(cè)斷裂壽命機(jī)器模型

項(xiàng)目團(tuán)隊(duì)的 第二篇文章 《鐵素體鋼和奧氏體鋼的斷裂壽命的機(jī)器學(xué)習(xí)增強(qiáng)預(yù)測(cè)和生成模型》「 Machine Learning Augmented Predictive and Generative Model for Rupture Life in Ferritic and Austenitic Steels 」發(fā)表在4月16日的《 npj Materials Degradation 》上。

研究表明：基于機(jī)器學(xué)習(xí)的預(yù)測(cè)模型可以可靠地估計(jì)兩種合金的斷裂壽命。研究人員還描述了一種生成合成合金的方法，該方法可用于增加現(xiàn)有的稀疏不銹鋼數(shù)據(jù)集，并確定了這種方法的局限性。在機(jī)器學(xué)習(xí)模型中使用這些「假設(shè)合金」可以評(píng)估候選材料的性能，而無(wú)需先在實(shí)驗(yàn)室中合成它們。

基于變分自編碼器 (VAE) 的生成模型用于創(chuàng)建合成合金樣本，以協(xié)助合金的逆向設(shè)計(jì)。開發(fā)的生成模型的另一個(gè)應(yīng)用是數(shù)據(jù)增強(qiáng)，以提高 ML 模型的性能。 研究表明VAE 生成的樣品主要取自有更多實(shí)驗(yàn)數(shù)據(jù)可用的空間，即無(wú)法從高破裂壽命空間生成合金。 有幾種方法可以改進(jìn)采樣，例如馬爾可夫鏈蒙特卡羅 (MCMC) 采樣。

真實(shí)樣品和機(jī)器學(xué)習(xí)模型預(yù)測(cè)生成樣品的斷裂壽命的小提琴圖（a: 9–12% Cr 數(shù)據(jù)集；b：奧氏體鋼數(shù)據(jù)集）

Devanathan 說：「這些發(fā)現(xiàn)建立在早期論文的結(jié)論之上，代表了在極端環(huán)境下建立可解釋的合金性能模型的又一步，同時(shí)也為數(shù)據(jù)集的開發(fā)提供了見解。這兩篇論文都展示了 XMAT 在這個(gè)快速發(fā)展的領(lǐng)域中的思想領(lǐng)導(dǎo)地位?！?/p>

論文鏈接：

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

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