science >> Wetenschap >  >> Chemie

Tagging voor metaallegeringen herkent en labelt gedetailleerde microscopische structuren

“Metallurgisten zijn erg geïnteresseerd in het analyseren van materiële microstructuren omdat ze hun eigenschappen bepalen, ", zegt Dmitry Bulgarevich van het Japanse National Institute for Materials Science (NIMS). Krediet:bonumopus | 123rf

Materiaalwetenschappers in Japan ontwikkelen een techniek die gedetailleerde microscopische structuren in gelast staal herkent en labelt, net zoals sommige applicaties vrienden taggen in je foto's. De aanpak zou ons begrip van metaaleigenschappen kunnen helpen versnellen, terwijl het ook de weg vrijmaakt voor het ontwerpen van nieuwe materialen.

"Metallurgisten zijn erg geïnteresseerd in het analyseren van materiële microstructuren omdat ze hun eigenschappen bepalen, ", zegt Dmitry Bulgarevich van het Japanse National Institute for Materials Science (NIMS). "De meeste gegevens voor deze onderzoeken zijn afkomstig van beeldvormingstechnieken met optische of elektronenmicroscopie die een
enorme hoeveelheid informatie."

Een team van materiaalwetenschappers van NIMS en de Universiteit van Tokyo onderzocht het gebruik van machine learning om deze grote hoeveelheden gegevens snel te analyseren.

Ze maakten staallegeringen van koolstof, silicium, mangaan, fosfor en zwavel door ze af te koelen van 1400°C met verschillende snelheden:0.3°C, 1°C, 3°C, of 10°C per seconde. De variabele koelsnelheden leidden tot de vorming van verschillende microstructuren in het staal. Deskundige metallurgen identificeerden handmatig drie soorten microstructuren in microscopische afbeeldingen van de legeringen:ferriet/perliet, ferriet/perliet/bainiet, en bainiet/martensiet. Subfasen van ferriet werden ook geïdentificeerd.

De afbeeldingen werden verwerkt en vervolgens door verschillende machine learning-modellen geleid, met behulp van algoritmen om ze te trainen om de afbeeldingen te herkennen en te labelen. Het team vond een classificatiemethode voor machine learning, genaamd Willekeurig bos, maakte de meest nauwkeurige voorspellingen van legeringsmicrostructuur. Deze methode kan worden toegepast op een breed scala aan metalen in zowel onderzoeks- als industriële instellingen.

"Er is veel hoop dat deze machine learning-methode zal helpen bij het automatiseren van microstructuuranalyse met behulp van grote datasets en bij de ontwikkeling van nieuwe materialen met gewenste mechanische eigenschappen, ' zegt Bulgarevitsj.

De drie soorten legeringsmicrostructuren die in microscopische afbeeldingen zijn geïdentificeerd. Van links naar rechts:Ferriet/Pearliet, Ferriet/Pearliet/Bainiet en Bainiet/Martensiet. Krediet:NIMS