机器学习测试大气极端情况下稀土磷酸盐的能力

美国伦斯勒理工学院（Rensselaer Polytechnic Institute）的研究人员使用机器学习来测试大气极端情况下稀土磷酸盐的能力，他们使用机器学习来检查各种元素的组合，而这些元素可用于保护在航空航天和太空环境的极端条件下的装备所需的环境屏障涂层。该项目由伦斯勒理工学院的研究人员领导，由美国国家科学基金会支持。

环境屏障涂层，或称EBC，用于密封火箭、高超音速喷气机和其他空间飞行器的发动机和结构部件。这些涂层可以保护部件免受恶劣的操作条件，如高温、超音速、强烈的压力以及严重的氧化和腐蚀。稀土硅酸盐是目前用于涂覆最先进的喷气发动机中碳化硅基陶瓷基体材料的EBC的有力选择，但这些材料是存在缺陷，而且会出现性能下降的情况。

伦斯勒团队提出用多成分稀土磷酸盐代替硅酸盐制成EBC，作为替代方案。

机械、航空航天和核工程系教授、该基金的主要研究人员Jie Lian说：“为了设计具有变革性性能的下一代EBC，我们需要新的概念和创新，而多组分稀土磷酸盐为设计未来的EBC和扩展其性能提供了无限的可能性。”

这笔180万美元的国家科学基金会拨款旨在通过协同高通量计算 - 实验和机器学习来实现数据驱动的材料设计和发现，从而彻底改变材料设计并支持方法的发展。研究人员将使用先进的计算机算法来创建多种配置的元素组合，确定未来航空航天和空间运输系统所需的高性能EBC的最有利框架。

材料科学与工程系教授、共同首席研究员Liping Huang说：“经验性的试错方法太昂贵了，而且很快就会在很大的设计空间内变得不实用。我们的目标是采用一种新颖的方法，将基于物理的建模与机器学习结合起来，预测下一代EBC的最佳成分和微观结构。”

实验和极端环境下的材料行为专家Lian和高通量原子模拟专家Huang加入了这个由有限元分析专家和伦斯勒医学建模、模拟和成像中心（CeMSIM）主任Suvranu De，以及机器学习专家和机械、航空航天和核工程系教授Lucy Zhang领头的为期四年的研究项目。

Zhang说：“根据高通量多尺度模拟产生的数据训练的机器学习模型可以加快设计和优化作为EBC的多组分稀土磷酸盐的结构和性能，伦斯勒团队将与通用电气全球研究公司的研究人员合作。”

关于伦斯勒理工学院，伦斯勒理工学院成立于1824年，是美国第一所技术研究大学。伦斯勒包括五所学校，32个研究中心，超过145个学术项目，以及一个由7600多名学生和超过10万名在世校友组成的充满活力的学校。

• < 上页
• 下页 >