多主元合金（MPEA）是一种强度极高的金属，广泛应用于膝关节置换术、接骨板、飞机部件和催化转化器。随着人工智能的发展，这种合金的强度将进一步提升。
　　弗吉尼亚理工大学化学工程副教授Sanket Deshmukh及其团队利用数据驱动框架，利用可解释人工智能的超级计算能力，设计出一种具有卓越机械性能的新型MPEA。他们的研究成果由美国国家科学基金会（NSF）资助，最近发表在《自然》杂志的npj Computational Materials期刊上。
　　Deshmukh解释说：“这项研究展示了数据驱动框架和可解释人工智能如何开启材料设计的新可能性。通过整合机器学习、进化算法和实验验证，我们不仅加速了先进金属合金的发现，还创造了可扩展到复杂材料体系（例如糖基材料——一种含有碳水化合物的聚合物材料）的工具。”

　　MPEA因其卓越的机械性能和多功能性而极具价值。这些合金由三种或三种以上的金属元素组成，旨在提供极佳的热稳定性、强度、韧性以及耐腐蚀性和耐磨性。由于它们比传统合金能够承受更长时间的极端条件，因此非常适合航空航天、医疗设备和可再生能源技术等领域的应用。该团队的主要目标是开发一种比现有模型具有更高机械强度的新型合金。
　　传统上，MPEA的设计需要反复试验，这既缓慢又昂贵。但Deshmukh和他的团队正在探索使用可解释人工智能设计MPEA的广阔可能性。标准人工智能和可解释人工智能之间的一个主要区别是，传统人工智能模型通常表现得像“黑匣子”——它们会生成预测，但我们并不总是理解这些预测是如何或为什么作出的。可解释人工智能通过提供对模型决策过程的洞察来解决这一局限性。
　　在这项研究中，团队使用了一种名为SHAP（SHapley Additive exPlanations，SHapley加性解释）分析的技术来解释其人工智能模型的预测。这使得团队成员能够理解不同元素及其局部环境如何影响MPEA的性质。因此，他们不仅获得了准确的预测，还获得了宝贵的科学见解。

　　人工智能可以根据新MPEA的成分快速预测其性质，并针对特定应用优化元素组合。利用来自实验和模拟的大量数据集，人工智能可以帮助解释MPEA的力学行为，从而指导新型先进合金的设计。
　　该项目的化学工程博士后研究员王方曦（音译）说：“利用可解释的人工智能可以加速我们对MPEA力学行为的理解。它可以将传统昂贵的反复试验材料设计转变为更具预测性的流程。我们的设计工作流程结合了先进的机器学习和进化算法，为材料的结构—性能关系提供了可解释的见解，为发现各种先进材料提供了一种可靠的方法。”

分享

微信分享 复制链接

微信扫一扫分享

收藏