AI превращает примеси в металлоломе в полезные компоненты для более прочной переработанной стали

Международная команда ученых разработала новую стратегию на основе машинного обучения, которая превращает примеси в металлоломе из проблемы в преимущество. Вместо того чтобы рассматривать загрязнения как нежелательные, исследователи активно используют их в качестве легирующих элементов, создавая так называемые «грязные сплавы» с улучшенными механическими свойствами и сниженными производственными затратами. Результаты опубликованы в журнале Science Advances. Об этом пишет сайт Phys.org.

Традиционный подход к примесям — разбавлять их первичным материалом, что сводит на нет экологические преимущества переработки. Новая методика связывает состав сплава и условия обработки с желаемыми характеристиками, используя нейросети для предсказания прочности и пластичности. Алгоритм генерирует новые варианты, варьируя состав и параметры, а затем отбирает лучшие для экспериментальной проверки.

Ученые испытали подход на чугуне с шаровидным графитом, выбрав его за высокую толерантность к примесям. Из 17 предложенных вариантов 14 показали лучшие сочетания прочности и пластичности в существующем наборе данных. Прочность на разрыв выросла до 15,2%, а удлинение при разрыве — до 73,2%, при этом производственные затраты снизились на 8,1% по сравнению с традиционным методом.

В перспективе метод можно распространить на переработанные стали, алюминиевые и медные сплавы. Следующим шагом может стать интеграция мультиагентных ИИ-систем с автоматизированными экспериментальными платформами, что позволит ускорить разработку сплавов и адаптироваться к вариациям состава лома.