Выкарыстанне ШІ для праскоранага распрацоўкі сплаў: што гэта азначае для будучых варыянтаў матэрыялаў для труб

Ужо дзесяцігоддзямі распрацоўка новых сплаваў для труб праходзіла па прадказальным сцэнары: металург выказваў здагадку аб складзе на аснове вопыту, ліў некалькі эксперыментальных плаўак, праводзіў іх уважлівыя выпрабаванні і — калі вынікі былі перспектыўнымі — праводзіў гады, характарызуючы практычную працаздольнасць перад камерцыйным выпускам. Гэты падыход, заснаваны на спробах і памылках, доўгі час служыў адраслі, забяспечваючы стварэнне двухфазных нержавеючых сталёў, нікелевых сплаваў і карозійнастойкіх матэрыялаў, якімі мы карыстаемся сёння. Але ён павольны. Непрыемна павольны.

Тыпічны тэрмін ад канцэпцыі да камерцыйнага сплава складае 10–20 гадоў для крытычных прыкладанняў, якія патрабуюць новых матэрыялаў — напрыклад, транспартавання вадароду, глыбакаводныя офшорныя праекты ці ядзерныя ўстаноўкі новага пакалення — такая хуткасць больш не з’яўляецца прыдатнай.

На сцэну ўваходзяць штучны інтэлект (ШІ) і машыннае навучанне (МН). Гэтыя тэхналогі карэнным чынам пераўтвараюць навуку аб матэрыялах, пераўтвараючы распрацоўку сплаваў з працы, заснаванай на доўгай эмпірычнай працы, у інжынерную задачу аптымізацыі. у гэтай артыкуле разглядаецца, як ШІ паскорвае адкрыццё новых сплаваў, што гэта азначае для будучых матэрыялаў для труб і якія практычныя наступствы гэта мае для інжынераў і спецыфікатараў.

Маштаб выкліку: чаму адкрыццё сплаваў — гэта складаная задача

Каб ацаніць рэвалюцыйнасць ШІ, мы павінны спачатку зразумець маштаб праблемы распрацоўкі сплаваў.

Уявіце, што вы распрацоўваеце новую дуплексную нержавеючую сталь для эксплуатацыі ў агрэсіўнай сераводароднай асяроддзі. Вы, магчыма, павінны ўлічыць каля 10 легіруючых элементаў — храм, нікель, молібдэн, азот, марганец, крэмній, медзь, вальфрам, вуглярод і іншыя. Канцэнтрацыя кожнага элемента можа вар'іравацца ў пэўным дыяпазоне. Памножце гэтыя зменныя, і колькасць магчымых хімічных складаў стане астраманічнай.

Даследчык Нацыянальнай лабараторыі Лорэнса Лівермора прывёў запамінальную аналагію: «Уявіце, што вы пячэце піражкі і хочаце стварыць ідэальны рэцэпт, таму вы рашаеце правесці эксперыменты з трыма інгрэдыентамі: цукром, маслам і мукой. Калі вы праверыце кожны інгрэдыент у 10 розных колькасцях, вам прыйдзецца выпечы 1 000 піражкоў, каб спрабаваць усе магчымыя камбінацыі. Цяпер уявіце, што ў вас ёсць 20 або 30 інгрэдыентаў для тэставання — у гэтым выпадку колькасць піражкоў, якія трэба будзе выпечы, раптам становіцца астраманічна вялікай — прыкладна 100 квінтільёнаў камбінацый» .

Для сплаваў з металічнага шкла даследчыкі ацанілі толькі некалькі тысяч з мільёнаў магчымасцей за пяць дзесяцігоддзяў . Традыцыйныя метады проста не могуць эфектыўна апрабаваць гэта велізарнае прастора праектавання.

Як ШШ пераўтварае распрацоўку сплаваў

Сучасныя падыходы на аснове ШШ вырашаюць гэтую праблему з дапамогай некалькіх узаемадапаўняльных тэхнік:

1. Мадэлі машыннага навучання для прагназавання ўласцівасцей

Мадэлі машыннага навучання могуць прагназаваць уласцівасці сплаваў на аснове іх складу і параметраў апрацоўкі, значна зніжаючы неабходнасць у фізічных выпрабаваннях. Даследчыкі з Універсітэта штата Арэгон паказалі гэта, распрацаваўшы мадэль выпадковага лесу для прагназавання значэнняў удараў па Шарпі для звараных дуплексных нержавеючых сталёў, што дазваляе хутка ацаніць эксплуатацыйныя ўласцівасці сплаваў без шырокамаштабных фізічных выпрабаванняў .

У даследаванні 2024 года, прысвечаным праектаванню двухфазнай няржавеючай сталі, было параўнана чатыры мадэлі машыннага навучання — метад k найбліжэйшых суседзяў, рэгрэсія Рыдж, дрэва рашэнняў і выпадковае леса — для прадказання стойкасці да зносу і карозіі. Мадэль выпадковага леса дасягнула выдатнай дакладнасці з каэфіцыентамі вызначальнасці R², роўнымі 0,90 для мікрацвёрдасці і 0,87 для прадказання каразійнага патэнцыялу . Выкарыстоўваючы гэтую мадэль, даследчыкі правялі віртуальны адбор 69 120 камбінацый складу і тэхналагічных параметраў у сімуляцыі, выявіўшы тры новыя двухфазныя склады з аптымізаванымі ўласцівасцямі .

2. Пораджальная ШІ і зваротнае праектаванне

Апрача прадказання ўласцівасцей вядомых складаў, пораджальная ШІ можа прапанаваць цалкам новыя матэрыялы. Сістэма ШІ Google DeepMind «GNoME» (Graph Networks for Materials Exploration) прадказала 2,2 мільёна новых крышталічных структур , у тым ліку 380 000 кандыдатаў, якія, верагодна, будуць эксперыментальна стабільнымі. Тысячы з іх — шарыстыя злучэнні, падобныя да графену, і магчымыя электраліты для акумулятараў .

Аднак галоўнае — гэта не проста тэарэтычныя прадказанні. Больш за 700 крышталёў, прадказанных GNoME, былі незалежна сінтэзаваны ў лабараторыях па ўсім свеце, што пацвярджае: «прадказанні мадэлі адносна стабільных крышталёў дакладна адлюстроўваюць рэальнасць» .

3. Машыннае навучанне з улікам фізікі

Чыста заснаваныя на даных падыходы маюць абмежаванні, асабліва пры недастатку навучальных даных. Машыннае навучанне з улікам фізікі інтэгруе веды з адпаведнай вобласці — тэрмадынамікі, крывалаграфіі, прынцыпаў фазавых пераўтварэнняў — непасрэдна ў мадэлі.

Трубы Рамкавая праграма AutoMAT , распрацаваная даследчыкамі і правераная эксперыментальна, інтэгруе вялікія мовыя мадэлі, аўтаматызаваныя сімуляцыі на аснове CALPHAD і пошук, кіраваны ШІ, каб паскорыць распрацоўку сплаваў. У практычным выпадку, прысвечаным лёгкім сплавам з высокай міцнасцю, AutoMAT вызначыла тытанавы сплаў з на 8,1% меншай шчыльнасцю і параўнальнай мяжой плистикасці да сучасных рэферэнсных значэнняў — дасягаючы найвышэйшай удзельнай міцнасці сярод усіх параўнаных матэрыялаў — пры гэтым скарачаючы тэрміны выяўлення ад гадоў да тыдняў .

4. Баесаўская аптымізацыя і актыўнае навучанне

Баесаўская аптымізацыя — гэта стратэгія актыўнага навучання, якая разумна выбірае, якія эксперыменты праводзіць далей. Замест таго каб выпадкова тэставаць склады, ШІ ацэньвае, які з неправедзеных кандыдатаў найбольш імаверна паляпшыць мэтавыя ўласцівасці, і прысвойвае такому эксперыменту прыярытэт .

Даследаванне сплаваў з эфектам памяці паказала, як кіраваныя баесаўскім падыходам цыклы знайшлі новыя сплавы з нізкім гістэразісам усяго за 36 эксперыментальных крокаў — нязначную частку ад каля 800 000 камбінацый у прасторы пошуку .

Самакіруючыя лабараторыі: замыканне цыкла

Найбольш захапляючым дасягненнем у прискараным выяўленні сплаваў з’яўляецца з’ява самакіруючых лабараторый — аўтаматызаваных платформ, якія інтэгруюць праектаванне з выкарыстаннем ШІ, робатызаванае сінтэзаванне і аўтаномную характарыстыку ў замкнутую сістэму.

Платформа APEX

У Нацыянальнай лабараторыі Лорэнса Лівермора даследчыкі распрацоўваюць Вяршыня , аўтаматызаваную платформу для 3D-друку, апрацоўкі і аналізу ўзораў сплаваў. Платформа аб'ядноўвае робататэхніку і машыннае навучанне, каб працаваць кругласутачна, аўтаномна распрацоўваючы, вырабляючы і тэставаўшы новыя сплавы .

APEX выкарыстоўвае прыкладную тэхналогію дадатковага вытворчасці з накіраваным энергетычным укладаннем для пабудовы ўзораў пластмасава, а затым аўтаматычна шліфуе, паліруе і характарызуе іх з дапамогай мікраскопіі, выпрабаванняў на цвёрдасць і кампрэсійных выпрабаванняў. Задачы, якія раней выконваліся ўручную за дні, цяпер выконваюцца за гадзіны .

Асабліва выдатная асаблівасць: APEX фіксуе «адчуванне» шліфавання, прымацоўваючы сенсары вібрацыі да абсталявання, пераўтвараючы інтуіцыю кваліфікаванага майстра ў лікавыя даныя, якія кіруюць аўтаматызаванай апрацоўкай .

Polybot у Аргоне

Аналагічна, Нацыянальная лабараторыя Аргона распрацоўвае Polybot робат аўтаматычна вырабляе і тэстуе палімерныя плёнкі. Перад тым як стаяць амаль мільён магчымых рэцэптаў апрацоўкі, Polybot праводзіць эксперыменты 24/7 пад кіраўніцтвам ШІ, дасягаючы праваднасці плёнак «на ўзроўні найвышэйшых сучасных стандартаў» і распрацоўваючы рэцэпты ў прамысловым маштабе для выкарыстання ў прамысловасці .

Што гэта азначае для будучых матэрыялаў для труб

Для інжынераў і спецыфікатараў, якія працуюць з трубамі з сплаваў, гэтыя распрацоўкі маюць глыбокія наступствы:

1. Сплавы для канкрэтных прымяненняў

Гістарычна распрацоўка сплаваў была накіравана на шырокія прымяненні. Новы дуплексны клас мог выкарыстоўвацца ў нафтавай і газавай прамысловасці, хімічнай прамысловасці і марскіх прыкладаннях. ШІ дазваляе дэзайн па запыце сплаваў, аптымізаваных для канкрэтных прымяненняў і ўмоваў эксплуатацыі .

Уявіце сабе, што вы вызначаеце трубу для умоваў эксплуатацыі пры высокай тэмпературы, высокім утрыманні CO₂ і памяркоўна кіслым асяроддзі. Замест таго каб выбраць адзін з існуючых марак (усе яны — кампрамісы), вы можаце замовіць сплав, аптымізаваны штучным інтэлектам, які будзе дакладна прыстасаваны да гэтага асяроддзя — максімізуючы прадукцыйнасць і мінімізуючы кошт сплава.

Даследаванні ў Портускім універсітэце распрацоўваюць вылічальныя мадэлі спецыяльна для «пратэктаванага праектавання дуплексных нержавеючых сталёў» з выкарыстаннем машыннага навучання і метадаў змены парадку мадэляў . Гэтая магчымасць пераносіць нас у будучыню, дзе сплавы распрацоўваюцца для канкрэтных прымяненняў, а не адаптуюцца ад універсальных марак.

2. Праскоранае кваліфікаванне

Адной з найбольш вялікіх перашкод для ўкаранення новых сплаў з’яўляецца іх кваліфікаванне. Нават пасля распрацоўкі новыя матэрыялы патрабуюць шырокага выпрабавання для атрымання дадзеных пра праектаванне, выпадкаў у норматыўных дакументах і прызнання ў прамысловасці.

Штучны інтэлект паскарвае гэты працэс праз:

• Прагназуючае мадэляванне даўгатэрміновай працаздольнасці (палзучасць, ваганні, карозія)

• Праскораныя выпрабаванні кіруецца актыўным навучаннем, каб засяродзіцца на крытычных умовах

• Віртуальная кваліфікацыя пры дапамозе правераных мадэляў, якія зніжаюць патрэбу ў фізічных выпрабаваннях

Праект KIMETRO ў Інстытуце мікраэлектронікі і тэхналогій Фраунгофера (Fraunhofer IMS) паказаў, як штучны інтэлект можа вызначаць аптымальныя параметры апрацоўкі металічных труб, забяспечваючы стабільнасць якасці і, магчыма, дазваляючы кваліфікаваць новыя сплавы пры меншай фізічнай практыцы і памылках .

3. Пашыраныя межы працоўных характарыстык

Сплавы, распрацаваныя з дапамогай ШІ, ужо дасягаюць уласцівасцей, якія перавышаюць магчымасці традыцыйных матэрыялаў. У рамках платформы AutoMAT была атрымана павелічэнне межы палучэння на 28,2% для высокаэнтропійных сплаў у параўнанні з базавымі складамі . Сплавы з некалькімі асноўнымі элементамі, адкрытыя з дапамогай байесаўскай аптымізацыі, дасягнулі значэнняў цвёрдасці па Вікерсу да 1269 HV , на 7% больш, чым у папярэдніх бэнчмаркаў .

Для трубных прыкладанняў гэта азначае:

• Павышаную міцнасць, што дазваляе выкарыстоўваць тоншыя сценкі і зменшыць вагу

• Палепшаную каразійную стойкасць для доўгага тэрміну службы

• Лепшую зварвальнасць дзякуючы аптымізаванаму складу

• Павышаную вязкасць пры экстрэмальных тэмпературах

4. Аптымізацыя кошту

Штучны інтэлект не толькі аптымізуе прадукцыйнасць — ён таксама можа аптымізаваць кошт. Даследуючы склады, якія зменшваюць колькасць дарагіх легіруючых элементаў (нікель, молібдэн, кобальт), але захоўваюць неабходныя ўласцівасці, ШІ можа вызначыць больш танныя альтэрнатывы, якія адпавядаюць патрабаванням канкрэтнага прымянення.

У даследаванні Універсітэта штата Арэгон быў прапанаваны лёгкі дуплексны клас сталі (2101, 2003) як магчымая больш танная альтэрнатыва для ядзерных прыкладанняў, прычым машыннае навучанне дапамагае прадказаць іх паводзіны пры эмбрыйтленні і межы прыдатнасці да эксплуатацыі .

Практычныя наступствы для інжынераў

Што гэта азначае для інжынераў, якія падбіраюць матэрыялы для труб у цяперашні час і ў бліжэйшай перспектыве?

Бліжэйшая перспектыва (1–3 гады)

• Палепшаныя інструменты выбару матэрыялаў: Базы дадзеных на аснове ШІ забяспечаць больш дакладныя прагнозы ўласцівасцей існуючых сплаваў, што дапаможа выбраць аптымальныя маркі для канкрэтных умоў.

• Хутчэйшае вырашэнне праблем: У выпадку адмоваў матэрыялаў інструменты ШІ паскораць аналіз каранёвых прычын і прапануюць альтэрнатыўныя склады.

• Палепшаны кантроль якасці: Сістэмы візуальнага кантролю на аснове ШІ з выдатнай дакладнасцю выяўляць паверхневыя пашкоджанні і мікраструктураныя адхіленні. .

Сярэдняя перспектыва (3–7 гадоў)

• Камерцыйна даступныя сплавы, распрацаваныя з дапамогай ШІ: Першая хваля сплаваў, распрацаваных з дапамогай ШІ, выйдзе на рынак, аптымізаваных для канкрэтных прымяненняў, такіх як выкарыстанне ў водародных сістэмах ці на глыбокаводных марскіх устаноўках.

• Скарочаныя тэрміны кваліфікацыі: Адрасныя нормы і стандарты пачнуць уключаць у сябе ўласцівасці, прадказаныя з дапамогай ШІ, разам з традыцыйнымі вынікамі выпрабаванняў.

• Лічбавыя двойнікі для ацэнкі эксплуатацыйных уласцівасцей матэрыялаў: Лічбавыя двойнікі, уключаныя ў сістэмы ШІ, будуць мадэляваць доўгатэрміновую эксплуатацыйную надзейнасць у рэальных умовах эксплуатацыі. .

Доўгатэрміновы перыяд (7–15 гадоў)

• Вытворчасць сплаваў па запыце: Прыкладанне прысутнічай вытворчасці ў спалучэнні з праектаваннем з дапамогай ШІ дазволіць вырабляць сплавы, адпаведныя канкрэтным прымяненням, для крытычна важных кампанентаў. .

• Самавыляўляльныя матэрыялы: Сплавы, распрацаваныя з дапамогай ШІ, з убудаванымі сэнсарамі і рэагуючымі фазамі, будуць самастойна выяўляць і ліквідаваць пашкоджанні.

• Поўная віртуальная кваліфікацыя: Новыя сплавы будуць кваліфікавацца ў першую чаргу з дапамогай правераных мадэляў, пры гэтым фізічныя выпрабаванні будуць выконваць ролю апошняй праверкі, а не асноўнага доказу.

Чалавечы фактар: інжынеры ў эпоху ШШ

Нягледзячы на гэтыя паспехі, даследчыкі Універсітэта штата Арэгон падкрэсліваюць, што ШШ пашырае, а не замяняе чалавечую экспертызу. У іх даследаванні «мэтады машыннага навучання выкарыстоўваліся для экстрапаляцыі значэнняў ударнай вязкасці па Шарпі» і «вызначэння лёгіруючых элементаў, якія могуць маці моцную карэляцыю з умацненнем сплаву», аднак вынікі інтэрпрэтавалі чалавекі-металургі і кіравалі эксперыментальнымі даследаваннямі. .

Як заўважыў Стывен Р. Спёрджон, вучоны ў галіне матэрыялаў і даных у NREL: «Сапраўдная рэвалюцыя ў аўтаномных навуковых даследаваннях заключаецца не толькі ў прискарэнні адкрыццяў, але і ў поўнай рэканструкцыі шляху ад ідэі да практычнага ўплыву». .

Роля інжынера змяняецца з ручнога даследавання магчымасцей на:

• Фармулёўку правільных праблем і абмежаванняў, якія павінен вырашаць ШШ

• Інтэрпрэтацыя ўводзінаў, згенераваных штучным інтэлектам, у кантэксце прыкладанняў у рэальным свеце

• Замыканне разрыва паміж сплавамі, распрацаванымі з дапамогай вылічэнняў, і таварамі, якія можна вырабляць

• Гарантыя таго, што ў мэты штучнага інтэлекту ўбудаваны ўлік магчымасці вытворчасці і асаблівасцей жыццёвага цыклу

Выклікі і абмежаванні

Рэвалюцыя штучнага інтэлекту ў распрацоўцы сплаўоў стаўкі на сапраўдныя выклікі:

Якасць і даступнасць даных

Мадэлі машыннага навучання такія ж добрыя, як і іх навучальныя даныя. Вялікая частка даных пра эксплуатацыйныя характарыстыкі сплаўоў у свеце знаходзіцца ў прыватных карпаратыўных базах даных або ў лабараторных блакноцтвах, якія не былі ацыфраваны. Стварэнне поўных і высокаякасных набораў даных застаецца значнай праблемай .

«Даліна смерці»

Як адзначыў адзін з даследчыкаў DeepMind: «ШІ можа прапанаваць матэрыялы ў маштабах, якія раней было немагчыма ўявіць, але ці можна гэтыя матэрыялы праверыць, павялічыць у маштабах і атрымаць для выкарыстання ў прамысловасці?» сінтэз зразка ў лабараторных умовах — гэта вельмі далёка ад вытворчасці тон сплаву, які адпавядае ўсім стандартам. Замыканне гэтага разрыва патрабуе новых інжынерных практык і інавацый у вытворчасці.

Прыняцце кодаў і стандартаў

Промысловыя коды (ASME B31.3, ASME Раздзел VIII і г.д.) развіваюцца павольна. Нават самы перспектыўны сплав, распрацаваны з дапамогай ШІ, нельга выкарыстоўваць у прыкладаннях, рэгулюемых кодамі, пакуль ён не будзе ўключаны ў адпаведныя стандарты. Гэта адставанне будзе спавольваць укараненне матэрыялаў, аптымізаваных з дапамогай ШІ, у рэгуляваных галінах.

Інтэлектуальная ўласнасць

Калі ШІ вынаходзіць новы склад сплаву, хто з’яўляецца яго ўласнікам? Распрацоўшчык ШІ? Аператар, які вызначыў параметры пошуку? Арганізацыя, якая фінансавала працу? Гэтыя пытанні застаюцца ў асноўным неразвязанымі.

Вывад: Новы этап у развіцці матэрыялаў для труб

ШІ — гэта не проста паскоранне распрацоўкі сплаў, а фундаментальнае змена таго, што магчыма. Камбінатарны выбух, які раней рабіў поўнае даследаванне сплаў немагчымым, цяпер становіцца кіруемым з дапамогай машыннага навучання, генератыўных мадэляў і аўтаномных лабараторый.

Для матэрыялаў труб гэта азначае:

• Сплавы, аптымізаваныя для канкрэтных прыкладанняў, а не ўніверсальныя кампрамісы

• Хутчэйшая рэакцыя на з'яўляючыя выклікі (транспарт вадароду, экстрэмальна кіслыя ўмовы эксплуатацыі, вышынныя тэмпературы CO₂)

• Зніжаны кошт і тэрміны распрацоўкі новых матэрыялаў

• Пашыраныя межы працаздольнасці, якія перасоўваюць мяжы таго, што магчыма

Пераход не адбудзецца адразу. Прабелы ў дадзеных, патрабаванні да кваліфікацыі і індустрыяльная інерцыя сповольняць укараненне. Але кірунак вызначаны: наступны вялікі матэрыял для труб не будзе знойдзены метадам спроб і памылак — ён будзе разлічаны.

Як сказаў Мейсан Сейдж, галоўны даследчык платформы APEX: «Наш канчатковы мэтай з’яўляецца зрабіць APEX першай самакіруючайся лабараторыяй для адкрыцця сплаваў, здольнай працаваць кругласутачна для збору эксперыментальных даных і аўтаномна распрацоўваць, ствараць і тэставаць новыя сплавы» гэтае будучыня бліжэй, чым мы думаём.

Для інжынераў і спецыфікатараў вельмі важна заставацца ў курсе гэтых падзей. Сплавы, якія вы будзеце вызначаць праз дзесяць гадоў, магчыма, яшчэ не існуюць — але іх ужо праектуюць алгарытмы, якія працуюць сёння.

Аб аўтары: [Вашае імя] мае [X] гадоў вопыту ў галіне інжынерыі матэрыялаў і кіравання ланцугамі пастаўкі для крытычных прыкладанняў сплаваў. [Ён/Яна/Яны] кантралюе новыя тэхналогіі ў металаўедзенні і іх уплыў на практыку ў прамысловасці.

Галоўныя вынікі