Künstliche Intelligenz entwirft fortschrittliche Materialien

Wissenschaftler des Max-Planck-Instituts für Eisenforschung entwickeln neues maschinelles Lernmodell für die Gestaltung korrosionsbeständiger Legierungen. Ihre Ergebnisse werden jetzt in der Fachzeitschrift Science Advances veröffentlicht

In einer Welt, in der die jährlichen wirtschaftlichen Verluste durch Korrosion 2,5 Billionen US-Dollar übersteigen, ist die Suche nach korrosionsbeständigen Legierungen und Schutzbeschichtungen ungebrochen. Künstliche Intelligenz (KI) spielt bei der Entwicklung neuer Legierungen eine immer wichtigere Rolle. Dennoch ist die Vorhersagekraft von KI-Modellen bei der Vorhersage des Korrosionsverhaltens und beim Vorschlagen optimaler Legierungsformeln bislang unklar. Wissenschaftler des Max-Planck-Instituts für Eisenforschung (MPIE) haben nun ein Modell für maschinelles Lernen entwickelt, das die Vorhersagegenauigkeit im Vergleich zu bestehenden Frameworks um bis zu 15 % steigert. Dieses Modell deckt neue, aber realistische korrosionsbeständige Legierungszusammensetzungen auf. Seine besondere Leistungsfähigkeit ergibt sich aus der Verschmelzung sowohl numerischer als auch textlicher Daten. Ursprünglich für den kritischen Bereich der Beständigkeit gegen Lochfraß in hochfesten Legierungen entwickelt, kann die Vielseitigkeit dieses Modells auf alle Legierungseigenschaften ausgeweitet werden. Ihre neuesten Ergebnisse veröffentlichten die Forscher in der Fachzeitschrift Science Advances.

Texte und Zahlen zusammenführen „Jede Legierung hat einzigartige Eigenschaften hinsichtlich ihrer Korrosionsbeständigkeit. Diese Eigenschaften hängen nicht nur von der Legierungszusammensetzung selbst ab, sondern auch vom Herstellungsprozess der Legierung. Aktuelle Modelle des maschinellen Lernens können nur von numerischen Daten profitieren. Allerdings sind Verarbeitungsmethoden und experimentelle Testprotokolle, die meist durch Textdeskriptoren dokumentiert sind, für die Erklärung von Korrosion von entscheidender Bedeutung“, erklärt Dr. Kasturi Narasimha Sasidhar, Hauptautorin der Veröffentlichung und ehemalige Postdoktorandin am Max-Planck-Institut für Eisenforschung . Das Forscherteam nutzte Sprachverarbeitungsmethoden, ähnlich ChatGPT, in Kombination mit Techniken des maschinellen Lernens (ML) für numerische Daten und entwickelte ein vollständig automatisiertes Framework für die Verarbeitung natürlicher Sprache. Darüber hinaus ermöglicht die Einbeziehung von Textdaten in das ML-Framework die Identifizierung verbesserter Legierungszusammensetzungen, die gegen Lochfraß beständig sind. „Wir haben das Deep-Learning-Modell mit intrinsischen Daten trainiert, die Informationen über Korrosionseigenschaften und -zusammensetzung enthalten. Jetzt ist das Modell in der Lage, für die Korrosionsbeständigkeit entscheidende Legierungszusammensetzungen zu identifizieren, auch wenn die einzelnen Elemente zunächst nicht in das Modell eingespeist wurden“, sagt Dr. Michael Rohwerder, Co-Autor der Publikation und Leiter der Gruppe Korrosion am Max-Planck-Institut für Eisenforschung.

Grenzen überschreiten: automatisiertes Data Mining und Bildverarbeitung In dem kürzlich entwickelten Framework nutzten Sasidhar und sein Team manuell gesammelte Daten als Textdeskriptoren. Ihr Ziel besteht derzeit darin, den Prozess des Data Mining zu automatisieren und nahtlos in das bestehende Framework zu integrieren. Die Integration von Mikroskopiebildern markiert einen weiteren Meilenstein und stellt die nächste Generation von KI-Frameworks vor, die textbasierte, numerische und bildbasierte Daten zusammenführen.

Quelle: Max-Planck-Institut