智能营销笔记本服务商

营销笔记本+万能采集+AI名片+智能电销+短信群发=同步管理

免费咨询热线: 15064770313

算法可以将许多行业的质量测试和研究时间缩短几个月

机器学习算法可以为汽车制造、航空航天和其他行业提供更快、更具成本效益的散装材料测试方法。

桑迪亚国家实验室开发的机器学习算法可以为汽车制造、航空航天和其他行业提供更快、更具成本效益的散装材料测试方法。

该技术最近发表在科学期刊材料科学与工程:A.

停产代价高昂。因此,制造商会在使用金属板等材料之前对其进行成型性筛选,以确保材料在成型为不同零件时在冲压、拉伸和拉紧时不会破裂。该论文的第一作者、桑迪亚科学家 David Montes de Oca Zapiain 说,公司经常使用针对各种机械测试结果进行校准的商业模拟软件。但是,这些测试可能需要数月才能完成。

Montes de Oca Zapiain 说,虽然某些高保真计算机模拟可以在几周内评估成型性,但公司需要使用超级计算机和专业知识来运行它们。

桑迪亚已经表明,机器学习可以显着减少校准商业软件的时间和资源,因为该算法不需要来自机械测试的信息,Montes de Oca Zapiain 说。该方法也不需要超级计算机。此外,它为加快研发速度开辟了一条新途径。

Montes de Oca Zapiain 说:“你可以有效地使用这种算法,在不牺牲安全性或准确性的情况下,用最少的资源找到更轻的材料。”

算法取代机械测试

名为 MAD 3的机器学习算法,发音为“mad cubed”,是 Material Data Driven Design 的缩写,它之所以有效,是因为金属合金是由微观的,即所谓的“晶体”晶粒组成的。总的来说,这些晶粒形成了一种纹理,使金属在某些方向上比其他方向更坚固,研究人员将这种现象称为机械各向异性。

“我们已经对模型进行了训练,以了解晶体结构和各向异性机械响应之间的关系,”Montes de Oca Zapiain 说。“你需要一台电子显微镜来获取金属的纹理,然后你可以将这些信息放入算法中,它可以预测模拟软件所需的数据,而无需进行任何机械测试。”

桑迪亚与俄亥俄州立大学合作,使用称为前馈神经网络的技术对 54,000 次模拟材料测试的结果进行了算法训练。然后,桑迪亚团队向该算法展示了 20,000 个新的微结构以测试其准确性,并将算法的计算与从实验和基于超级计算机的模拟中收集的数据进行比较。

“与高保真模拟相比,开发的算法大约快 1,000 倍。我们正在积极努力改进模型,通过结合先进的特征来捕捉各向异性的演变,因为这是准确预测材料断裂极限所必需的,”桑迪亚科学家 Hojun Lim 说,他也参与了这项研究。

作为国家安全实验室,桑迪亚正在进行进一步的研究,以探索该算法是否可以缩短美国核库存的质量保证流程,其中材料必须符合严格的标准才能被接受用于生产用途。美国国家核安全局通过高级模拟和计算计划资助了机器学习研究。

为了使其他机构能够利用该技术,Sandia 组建了一个跨学科团队来开发用户友好、基于图形的材料数据驱动设计软件。它是根据能源部的能源 I-Corps 计划对超过 75 次潜在用户的采访而开发的。

智程网络科技_智能营销笔记本软件开发_大数据营销笔记本系统定制_营销软件-曲阜市智程网络科技有限公司