Alchimie, die probeerde goedkope metalen zoals lood en koper in goud te veranderen, is nog niet gelukt. Echter, met de ontwikkeling van legeringen waarin twee of drie hulpelementen worden gemengd met de beste elementen van die tijd, moderne alchemie kan high-tech metalen materialen produceren met een hoge sterkte, zoals legeringen met hoge entropie. Nutsvoorzieningen, samen met kunstmatige intelligentie, het tijdperk van het voorspellen van de kristalstructuur van hightech materialen is aangebroken zonder repetitieve experimenten.

Een gezamenlijk onderzoeksteam van professor Ji Hoon Shim en Dr. Taewon Jin (eerste auteur, momenteel bij KAIST) van de afdeling Chemie van POSTECH, en professor Jaesik Park van de POSTECH Graduate School of Artificial Intelligence hebben samen een systeem ontwikkeld dat de kristalstructuren van legeringen met meerdere elementen voorspelt met uitbreidbare functies zonder dat er enorme trainingsgegevens nodig zijn. Deze onderzoeksresultaten zijn onlangs gepubliceerd in Wetenschappelijke rapporten .

Eigenschappen van vastestofmaterialen zijn afhankelijk van hun kristalstructuren. In vaste oplossing legering met hoge entropie (HEA) - een materiaal dat dezelfde kristalstructuur heeft maar continu de chemische samenstelling binnen een bepaald bereik verandert - variëren mechanische eigenschappen zoals sterkte en ductiliteit afhankelijk van de structurele fase. Daarom, het voorspellen van de kristalstructuur van een materiaal speelt een cruciale rol bij het vinden van nieuwe functionele materialen. Methoden om de kristalstructuur te voorspellen door middel van machine learning zijn recentelijk bestudeerd, maar er zijn enorme kosten verbonden aan het voorbereiden van de gegevens die nodig zijn voor training.

hieraan, het onderzoeksteam ontwierp een kunstmatige-intelligentiemodel dat de kristalstructuur van HEA's voorspelt door middel van uitbreidbare functies en binaire legeringsgegevens in plaats van de conventionele modellen die meer dan 80% van de HEA-gegevens gebruiken in het trainingsproces. Dit is de eerste studie die de kristalstructuur van legeringen met meerdere elementen voorspelt, inclusief HEA's, met een kunstmatige-intelligentiemodel dat alleen is getraind met de composities en structurele fasegegevens van binaire legeringen.

Door experimenten, de onderzoekers bevestigden dat de structurele fase van de multi-element legering werd voorspeld met een nauwkeurigheid van 80,56%, ook al waren de gegevens van de legering met meerdere elementen niet betrokken bij het trainingsproces. In het geval van HEA's, het werd voorspeld met een nauwkeurigheid van 84,20%. Volgens de methode ontwikkeld door het onderzoeksteam, er wordt verwacht dat de berekeningskosten kunnen worden bespaard met ongeveer 1, 000 keer vergeleken met eerdere methoden.

"Er is een immense dataset nodig om een ​​kunstmatige-intelligentiemethodologie toe te passen bij de ontwikkeling van nieuwe materialen, ", legt professor Ji Hoon Shim uit, die het onderzoek leidde. "Deze studie is belangrijk omdat het de kristalstructuur van geavanceerde materialen effectief kan voorspellen zonder een enorme dataset te beveiligen."