Forschung
Photo: pixabay
18.10.2022

Entdeckung neuer Werkstoffe mit Hilfe von maschinellem Lernen

Wie lassen sich neue Werkstoffe mit verbesserten Eigenschaften entwickeln? Ein internationales Forschungsteam unter Leitung des Max-Planck-Instituts für Eisenforschung stellt ein universelles Framework für aktives maschinelles Lernen vor, dass mit Hilfe künstlicher Intelligenz neue Legierungen entdeckt.

Neue Werkstoffe ebnen den Weg zu einer nachhaltigen Wirtschaft. Die Suche nach und das Design neuer Werkstoffe, die die Anforderungen von High-Tech Anwendungen erfüllen, ist allerdings zeit- und kostenintensiv. Um die benötigten Materialeigenschaften zu erzielen, wenden Wissenschaftler*innen oft ein relativ neues Legierungsdesign ein bei dem sie unterschiedliche Elemente in fast gleichen Mengenanteilen vermischen. Die daraus entstehenden, sogenannten Hochentropie-Legierungen, vereinen oft sehr gegensätzliche Eigenschaften, wie zum Beispiel eine hohe Festigkeit bei gleichzeitig hoher Duktilität. Im Vergleich dazu bestehen herkömmliche Legierungen, seit Jahrtausenden praktiziert, aus einem oder zwei Grundelementen mit geringen Anteilen anderer Elemente. Dies jedoch schöpft das volle Potential der einzelnen Elemente und deren synergetische Effekte lange nicht aus.

Dr. Ziyuan Rao, der als Postdoktorand am Max-Planck-Institut für Eisenforschung (MPIE) arbeitet und nun zusammen mit seinen Kollegen am MPIE, der Technischen Universität Darmstadt, der Delft University of Technology (Niederlande) und des KTH Royal Institute of Technology (Schweden) die neuesten Forschungsergebnisse in der Fachzeitschrift Science veröffentlicht hat, erklärt:
„Wenn wir Hochentropie-Legierungen entwickeln wollen und nur die am häufigsten genutzten Elemente im Periodensystem in Betracht ziehen, dann ergeben sie 1050 mögliche Legierungsvarianten – eine Zahl, die nicht experimentell überprüft werden kann. Deshalb haben wir ein auf Wahrscheinlichkeitsmodellen und künstlichen neuronalen Netzen basierendes Framework für aktives Lernen entwickelt“.

Dieses universelle Framework für aktives maschinelles Lernen hilft, neue Legierungen mit gewünschten Eigenschaften schneller und kostengünstiger zu identifizieren. Das Framework wurde erfolgreich bei der Entdeckung neuer Invar-Legierungen mit speziellen Wärmeausdehnungseigenschaften angewendet. Diese Legierungen bestehen aus Eisen und Nickel und dehnen sich nicht aus beziehungsweise ziehen sich nicht zusammen, wenn sich die Temperatur ändert. Ihr idealer Einsatzbereich sind Behälter zur Speicherung von flüssigem Wasserstoff, Ammoniak und Erdgas bei Temperaturen zwischen -160 °C und Raumtemperatur.

„Invar-Legierungen vorherzusagen ist rechnerisch ein sehr anspruchsvolles Problem, weil verschiedene Faktoren wie Magnetismus und Gitterschwingungen miteinander wechselwirken und die thermische Ausdehnung beeinflussen. Die Entdeckung neuer Invar-Legierungen ist deshalb ein hervorragender Beweis für unsere Berechnungen ebenso wie für das entwickelte Framework für aktives Lernen“, sagt Dr. Fritz Körmann, Forschungsgruppenleiter an der Universität Delft sowie am MPIE und Mitautor der Publikation.

Das von den Wissenschaftlern entwickelte Framework für aktives Lernen umfasst drei grundlegende Schritte. Zuerst werden vielversprechende Legierungszusammensetzungen auf Basis eines tiefen generativen Modells gefunden, das unüberwachtes Lernen mit zufälligen (stochastischen) Stichproben kombiniert. Im nächsten Schritt werden diese Zusammensetzungen mithilfe eines zweistufigen Regressionsmodells überprüft, nach dem etwa 20 vorgeschlagene Zusammensetzungen übrigbleiben. Von diesen Zusammensetzungen wird eine Rangfolge ermittelt, und die drei besten Kandidaten werden experimentell verarbeitet und charakterisiert.

„Wir führen die Modell-Vorhersagen, die theoretischen Berechnungen und die experimentelle Überprüfung in einem zirkulären Framework zusammen, und in nur sechs Iterationen haben wir erfolgreich zwei finale neuartige Invar-Legierungen mit verbesserten thermischen Ausdehnungseigenschaften identifiziert“, sagt Hongbin Zhang, Professor an der Technischen Universität Darmstadt und Mitautor der Publikation.  

Modelle für maschinelles Lernen haben ganz erstaunliche Erfolge erzielt, wenn praktisch unbegrenzte Datenmengen verfügbar sind, beispielsweise bei Videospielen oder wenn sie an fast einem Drittel der im Internet vorhandenen Inhalte trainiert werden. Viel schwieriger ist es dagegen, Anwendungsfälle zu finden, bei denen künstliche Intelligenz einen Unterschied in der realen Welt ausgemacht hat – wie dies hier der Fall ist. Es ist sehr spannend, dass die Vorhersagen nicht nur in der Simulation getestet wurden, sondern dass neue Legierungen physisch hergestellt und geprüft wurden“, sagt Stefan Bauer, Professor vom KTH Royal Institute of Technology und Experte für maschinelles Lernen. Die Wissenschaftler werden sich nun schwerpunktmäßig mit magnetischen Materialien und Magnetismus, wichtige Werkstoffe für die Energiewende, wie Oliver Gutfleisch, Professor an der Technischen Universität Darmstadt, betont, beschäftigen und die dazu nötigen Framework-Schritte entwickeln.

(Quelle: Max-Planck-Institut für Eisenforschung GmbH)

Original-Veröffentlichung:
Z. Rao; P.Y. Tung, R. Xie, Y. Wie, H. Zhang, A. Ferrari, T.P.C. Klaver, F. Körmann, P.T. Sukumar, A. Kwiatkowski da Silva, Y. Chen, Z. Li, D. Ponge, J. Neugebauer, O. Gutfleisch, S. Bauer, D. Raabe
Machine learning-enabled high-entropy alloy discovery
Science 378 (2022) 6615

 

 

© Science 378 (2022) 6615. DOI 10.1126/science.abo4940
Überblick über das Framework für aktives Lernen zur Entwicklung von Hochentropie-Legierungen. © Science 378 (2022) 6615. DOI 10.1126/science.abo4940

Schlagworte

EisenforschungEnergieEnergiewendeErdgasErgebnisEUForschungIlvaIMUINGLEDLegierungenMax-Planck-InstitutMPIeNiederlandeSchwedenTemperaturUSAWasserstoffWerkstoffWerkstoffeWirtschaft

Verwandte Artikel

Unverwüstlich: Ein LPR-1DXi (5,8GHz Sensor), der erste Radarsensor von Symeo mit integrierter Antenne, nach mehr als 15 Jahren immer noch im Einsatz. /
20.06.2025

Symeo GmbH feiert ihr 20-jähriges Jubiläum

Das Unternehmen entwickelte sich dank seiner LPR®-Technologie (Local Positioning Radar) zu einem führenden Anbieter für industrielle Radarsensorik. Die Sensorlösungen kom...

Automatisierung Bergbau Container Entwicklung Essen EU Forschung Forschungsprojekt HZ Inc. Industrie ING Innovation Kran Logistik Messe Messung Patent Schüttgut Sensorik Stahl Stahlindustrie Stahlwerk Technik Temperatur Unternehmen Voestalpine Voestalpine AG
Mehr erfahren
Von links: Li Zhengzhou, Präsident von Zhejiang Jiuli Hi-Tech Metals Co., Ltd.; Prof. Dr. Ing. Katja Windt, Mitglied der Geschäftsführung (CDO) der SMS group GmbH; Zhang Yuxu, Präsident und Geschäftsführer der Jiuli Group.
20.06.2025

Auftragsvergabe für drei Kaltpilgerwalzwerke in China

Zhejiang Jiuli Hi-Tech Metals Co., Ltd. (Jiuli), einer der führenden chinesischen Hersteller von Produkten aus rostfreiem Stahl und Sonderlegierungen, hat die SMS group m...

Anlagen Automatisierung Essen EU Inbetriebnahme Investition KI Legierungen Lieferung Ltd Ltd. Messe Messung Montage Partnerschaft Produktion Rohre Service SMS SMS group Stahl Steuerung Strategie Walzwerk WTO
Mehr erfahren
Swenja Benz, Geschäftsführerin Bredtmann-Girke Industrieofenbau GmbH, und Till Schreiter, CEO ABP Induction Systems GmbH.
18.06.2025

Vorstandsvorsitzender des VDMA Metallurgy erneut bestätigt

Der VDMA Metallurgy hat im Rahmen der konstituierenden Vorstandssitzung am 11. Juni turnusmäßig einen neuen Vorstand gewählt. Till Schreiter, CEO der ABP Induction System...

ABP ABP Induction Systems GmbH Anlagen Anlagenbau Bund Deutschland DSV Elektrotechnik Energie Energiewende Essen EU Friedrich Kocks Industrie ING Politik RWTH RWTH Aachen Technik Transformation USA VDMA Vorstand Walzwerk Wettbewerb Zusammenarbeit
Mehr erfahren
18.06.2025

Salzgitter-Konzern und Volvo Cars starten Closed Loop-Partnerschaft

Der Salzgitter-Konzern und Volvo Cars bauen ihre Partnerschaft aus: 2026 bezieht die Salzgitter AG erhebliche Mengen Stahlschrott aus dem Karosseriewerk von Volvo Cars im...

CO2 Coils Dekarbonisierung EU Flachstahl Gesellschaft Handel Industrie ING KI Klima Kooperation Lieferung Logistik Partnerschaft Produktion Salzgitter AG Salzgitter Flachstahl Salzgitter Flachstahl GmbH Schienen Schrott Schweden Stahl Stahlcoil Stahlwerk Strategie Transformation Unternehmen USA Volvo Werkstoff
Mehr erfahren
Nur 12 Monate nach Vertragsunterzeichnung installierte Zhongshou Special Steel das erste Walzgerüst für seine neue Arvedi ESP-Anlage von Primetals Technologies.
17.06.2025

Erstes Walzgerüsts bei Zhongshou Special Steel gebaut

Nur ein Jahr nach Vertragsunterzeichnung mit Primetals Technologies gelang die Installation des ersten Walzgerüsts der Arvedi ESP-Anlage am Standort von Zhongshou in Luan...

Anlagen Arvedi Automobil Bramme China CO2 CO2-neutral Elektrolichtbogenofen Energie EU Handel HZ Inbetriebnahme ING Konverter Lichtbogenofen Produktion Stahl Stahlproduktion Walzen Walzwerk Warmband Wettbewerb
Mehr erfahren