機器學習測試大氣極端情況下稀土磷酸鹽的能力

美國倫斯勒理工學院（Rensselaer Polytechnic Institute）的研究人員使用機器學習來測試大氣極端情況下稀土磷酸鹽的能力，他們使用機器學習來檢查各種元素的組合，而這些元素可用於保護在航空航太和太空環境的極端條件下的裝備所需的環境屏障塗層。該項目由倫斯勒理工學院的研究人員領導，由美國國家科學基金會支持。

環境屏障塗層，或稱EBC，用於密封火箭、高超音速噴氣機和其他空間飛行器的發動機和結構部件。這些塗層可以保護部件免受惡劣的操作條件，如高溫、超音速、強烈的壓力以及嚴重的氧化和腐蝕。稀土矽酸鹽是目前用於塗覆最先進的噴氣發動機中碳化矽基陶瓷基體材料的EBC的有力選擇，但這些材料是存在缺陷，而且會出現性能下降的情況。

倫斯勒團隊提出用多成分稀土磷酸鹽代替矽酸鹽製成EBC，作為替代方案。

機械、航空航太和核工程系教授、該基金的主要研究人員Jie Lian說：“為了設計具有變革性性能的下一代EBC，我們需要新的概念和創新，而多組分稀土磷酸鹽為設計未來的EBC和擴展其性能提供了無限的可能性。”

這筆180萬美元的國家科學基金會撥款旨在通過協同高通量計算 - 實驗和機器學習來實現資料驅動的材料設計和發現，從而徹底改變材料設計並支持方法的發展。研究人員將使用先進的電腦演算法來創建多種配置的元素組合，確定未來航空航太和空間運輸系統所需的高性能EBC的最有利框架。

材料科學與工程系教授、共同首席研究員Liping Huang說：“經驗性的試錯方法太昂貴了，而且很快就會在很大的設計空間內變得不實用。我們的目標是採用一種新穎的方法，將基於物理的建模與機器學習結合起來，預測下一代EBC的最佳成分和微觀結構。”

實驗和極端環境下的材料行為專家Lian和高通量原子模擬專家Huang加入了這個由有限元分析專家和倫斯勒醫學建模、模擬和成像中心（CeMSIM）主任Suvranu De，以及機器學習專家和機械、航空航太和核工程系教授Lucy Zhang領頭的為期四年的研究專案。

Zhang說：“根據高通量多尺度類比產生的資料訓練的機器學習模型可以加快設計和優化作為EBC的多組分稀土磷酸鹽的結構和性能，倫斯勒團隊將與通用電氣全球研究公司的研究人員合作。”

關於倫斯勒理工學院，倫斯勒理工學院成立於1824年，是美國第一所技術研究大學。倫斯勒包括五所學校，32個研究中心，超過145個學術項目，以及一個由7600多名學生和超過10萬名在世校友組成的充滿活力的學校。

• < 前一頁
• 下一個 >