日期:2025-05-16 來源:資源與材料學(xué)院
作者:佟喆 編輯:齊芳 丁鵬翔 關(guān)注:[]
近日,我校資源與材料學(xué)院高秋志教授團(tuán)隊在高溫金屬結(jié)構(gòu)材料氧化行為預(yù)測領(lǐng)域取得了重要進(jìn)展,研究成果“A novel model to predict oxidation behavior of superalloys based on machine learning(基于機器學(xué)習(xí)的高溫合金氧化行為預(yù)測新模型)”發(fā)表在國際著名期刊Journal of Materials Science & Technology(中科院一區(qū),影響因子11.2)上。裴成蒿博士生為論文第一作者,高秋志教授為通訊作者,東北大學(xué)為第一完成單位。
高溫金屬結(jié)構(gòu)材料廣泛應(yīng)用于航空航天、能源等領(lǐng)域,其優(yōu)異的力學(xué)性能和抗氧化性能使其成為高溫環(huán)境下的關(guān)鍵材料。然而,氧化行為的復(fù)雜性一直是高溫金屬結(jié)構(gòu)材料應(yīng)用中的重要挑戰(zhàn)之一。該研究團(tuán)隊首次提出并建立了一種結(jié)合一維卷積神經(jīng)網(wǎng)絡(luò)(1D-CNN)和長短時記憶網(wǎng)絡(luò)(LSTM)的混合人工智能模型用于氧化行為的預(yù)測。該模型不僅有效克服了拋物線定律的局限性,還顯著增強了對各種復(fù)雜氧化機制的適應(yīng)性。通過將合金成分、溫度等多維特征輸入模型,該模型能夠準(zhǔn)確預(yù)測不同條件下合金的氧化增重曲線,并進(jìn)一步確定氧化速率常數(shù)、氧化活化能等關(guān)鍵動力學(xué)參數(shù)。這一創(chuàng)新的人工智能模型為高溫金屬結(jié)構(gòu)材料的設(shè)計與性能優(yōu)化提供了全新的工具,尤其在提高金屬抗氧化性能和延長使用壽命方面具有重要的實際應(yīng)用價值。
裴成蒿博士生自2023年9月起在東北大學(xué)攻讀博士學(xué)位,專注于人工智能機器學(xué)習(xí)在高溫金屬結(jié)構(gòu)材料氧化行為中的研究,以及大語言模型(LLM)在高溫合金知識領(lǐng)域的垂直應(yīng)用,目前已在Chinese Journal of Aeronautics(中科院一區(qū),影響因子5.3)、Journal of Materials Science & Technology國際期刊上發(fā)表論文。

機器學(xué)習(xí)預(yù)測高溫合金氧化行為流程示意圖