Ежегодно в мире производится около 2 миллиардов тонн металла, что составляет примерно 40% промышленных выбросов парниковых газов и 10% мирового потребления энергии. Увеличение использования переработанных металлов могло бы значительно снизить это воздействие, но переработка сталкивается с проблемами из-за неоднородного состава лома. Данную информацию сообщает портал Phys.org.
Международная группа ученых разработала новую стратегию на основе машинного обучения, которая превращает примеси в ломе из недостатка в преимущество. Вместо того чтобы разбавлять загрязнения первичным материалом, исследователи активно используют их как легирующие элементы. Полученные "грязные сплавы" обладают улучшенными механическими свойствами и сниженными производственными затратами. Результаты опубликованы в журнале Science Advances.
Доктор Лиулиу Хан из Института устойчивых материалов Макса Планка поясняет, что традиционный подход разбавления примесей первичным металлом подрывает экологические преимущества переработки. Новая система связывает состав и условия обработки с желаемыми свойствами, используя нейронные сети для прогнозирования прочности и пластичности. Алгоритм генерирует новые кандидаты, варьируя параметры, и отбирает лучшие варианты.
Ученые протестировали 17 вариантов чугуна с шаровидным графитом, из которых 14 показали лучшие сочетания прочности и пластичности. Прочность на разрыв увеличилась до 15,2%, а удлинение при разрыве — до 73,2% по сравнению с существующими данными. Производственные затраты оказались на 8,1% ниже, чем при традиционном методе. В будущем этот подход может быть применен к переработанным сталям, алюминию и медным сплавам, а также интегрирован с автоматизированными экспериментальными платформами для ускорения разработки сплавов.